《中国人工智能学会通讯》——8.10 特征学习

8.10 特征学习 特征的好坏直接影响学习的结果,对于有冗余、噪音特征的数据,特征选择能够简化后续学习模型的复杂度,减少模型运行时间,提高模型精确度。然而特征选择问题不仅是一个 NP 难的优化问题,而且还是一个双目标优化问题:选择尽可能少的特征,同时使学习结果的性能指标尽可能好,可形式化如其中,x ...

《中国人工智能学会通讯》——9.15 标记分布学习特点

9.15 标记分布学习特点 与 LDL 类似,也存在一些 SLL 或 MLL 算法为每个标记计算一个中间数值指标(例如概率、置信度、等级等) [1-3] 。LDL 主要在如下三个方面与这些学习算法有所区别。 (1)LDL 的每个训练示例直接包含了标记分布,而不是单标记或多标记集的形式。标记分布直接来...

阿里云人工智能工程师ACA认证(2023版)

41 课时 |
383 人已学 |
免费

人工智能训练师-智能客服课程

54 课时 |
165 人已学 |
免费

人工智能安全

10 课时 |
327 人已学 |
免费
开发者课程背景图

《中国人工智能学会通讯》——9.6 哈希学习

9.6 哈希学习 大数据在科学、金融、气象、医疗、军事、交通等领域都具有非常广阔的应用前景[3-4] , 其对人类社会的各方面都带来了巨大的甚至是革命性的影响。例如,在科学领域 , 包括天文、生物、物理、化学、信息等在内的各个领域的科学发现,已经从实验型科学发现、理论型科学发现、计算型科学发现,发展...

《中国人工智能学会通讯》——2.23 贝叶斯规划学习

2.23 贝叶斯规划学习 BPL 算法通过学习简单的随机规划来表示概念,这些规划是由部件(见图 3A iii)、子部件(见图 3A ii)以及空间关系(见图 3A iv)组合而成的。BPL 定义了一个生成过程,它可以通过用新的方式组合部件以及子部件来采样出新的概念类型。每种新的类型也表示为一个生成模...

《中国人工智能学会通讯》——11.19 动态多任务学习机制

11.19 动态多任务学习机制 上两节提出了两种学习交通路网中任务复杂关系的多任务学习模型。上述的多任务学习方法假设数据是静态的,且数据中所蕴含的任务关系以及任务与特征间的关系恒定不变。而在交通问题中,这些关系随着时间会产生变化,因此体现出复杂的动态关系模式。例如,在每天的交通模式中,早、午、晚以及...

《中国人工智能学会通讯》——11.18 基于任务层次结构的多任务学习方法

11.18 基于任务层次结构的多任务学习方法 上一节介绍了一种不受聚类数目约束的任务聚类方法,然而当数据中任务间的关系更为复杂时,基于任务聚类的多任务模型已经不能准确学习任务间的这种关系。仍然以图 2(a) 中的交通问题为例,从更全面的角度来看,图 2(a) 中的聚类模式并不能准确地刻画任务间的关联...

中国人工智能学会通讯——对偶学习—— 推动人工智能的新浪潮

谢谢大家,感谢组委会的邀请,让我有这个机会与大家分享我们的研究工作。我刚才坐在台下聆听了孙茂松老师和 David的报告,都获益匪浅。首先,老师非常全面地回顾了机器翻译的历史,又有高屋建瓴的讨论,让我们从中学到了很多的东西;其次,很荣幸我的报告排在 David 之后,做优化和机器学习的同事们应该都非常...

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

相关电子书
更多
人工智能平台PAI的MaaS实践
阿里云人工智能平台 PAI年度发布
用搜索释放生成式人工智能的商业潜能
立即下载 立即下载 立即下载

人工智能更多通讯相关