二者都是集成学习算法，都是将多个弱学习器组合成强学习器的方法。

8月的北京骄阳似火，火热的帝都即将迎来一场同样“火”的RISC-V盛会。去年RISC-V在国内还是星星之火，今年已呈现燎原之势.RISC-V的爆发式发展已成为大势所趋。SiFive已经在3月，6日分别在上海及深圳举行了车间，在当地获得了极大的关注，本次8月举办的北京场活动将是SiFive三场系列研讨会的最后一站。

卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为是对模拟信号论述的，所以常常带有繁琐的算术推倒，很简单的问题的本质常常就被一大堆公式淹没了，那么卷积究竟物理意义怎么样呢？

反向传播（用于优化神网参数）：根据损失函数计算的误差通过反向传播的方式，指导深度网络参数的更新优化。采取反向传播的原因：首先，深层网络由许多线性层和非线性层堆叠而来，每一层非线性层都可以视为是一个非线性函数 f(x) (非线性来自于非线性激活函数），因此整个深度网络可以视为是一个复合的非线性多元函数。

由于意外的机器学习模型退化导致了几个机器学习项目的失败，我想分享一下我在机器学习模型退化方面的经验。实际上，有很多关于模型创建和开发阶段的宣传，而不是模型维护。

迁移学习是什么？迁移学习是一种机器学习技术，在这种技术中，一个训练于一项任务的模型被重新用于另一项相关任务。迁移学习是一种优化，它允许在第二个任务建模时快速进行或提高性能。

我们在训练神经网络模型时，最常用的就是梯度下降，这篇博客主要介绍下几种梯度下降的变种（mini-batch gradient descent和stochastic gradient descent），这里主要介绍Mini-batch gradient descent和stochastic gradient descent（SGD）以及对比下Batch gradient descent、mini-... 阅读详情

尽管无线网络占据了所有的新闻头条，但有线网络仍然可以继续可靠地完成工作。尽管它们可靠且相对无处不在，不过，一些人还是预见到了有线网络的消失。无线技术和服务的不断扩展是否标志着有线网络的终结？物联网、即将推出的5G以及更快Wi-Fi的增长是否预示着铜缆的最终消失？

矩阵实际可以看作一个变换，方程左边就是把向量x变到另一个位置而已；右边是把向量x作了一个拉伸，拉伸量是lambda。那么它的意义就很明显了，表达了矩阵A的一个特性就是这个矩阵可以把向量x拉长（或缩短）lambda倍，仅此而已。

统计学和机器学习之间的界定一直很模糊。无论是业界还是学界一直认为机器学习只是统计学批了一层光鲜的外衣。而机器学习支撑的人工智能也被称为“统计学的外延”。例如，诺奖得主托马斯·萨金特曾经说过人工智能其实就是统计学，只不过用了一个很华丽的辞藻。

物联网正在迎来第四次工业革命。尽管人们普遍了解数字化的必要性，但仍有许多误解阻碍了工业物联网的实施。由于复杂性和成本问题，许多组织推迟了他们的工业物联网（IIoT）计划。为最坏情况做准备并不一定是坏事，但您可能高估了工业物联网的风险，并低估了它的真正价值。为了帮助您树立正确的观念，我们将在本文中揭示关于工业物联网实施的6个常见误解。

当今社会，无人驾驶已经成为影响人们生活的最大的课题之一。全球各大科研机构也纷纷投入了大量的人力物力，进行无人驾驶的研究。无人驾驶不再是遥不可及，可以说它对当今社会的影响是巨大的，有可能会颠覆我们的认知。现如今网上关于无人驾驶汽车的利弊，都各有说法。

该内容是Kailash Ahirwar首发在Github的，以下是GitHub链接：https://github.com/kailashahirwar/cheatsheets-ai 。对新手来说，学习机器学习和深度学习是比较困难的，各种深度学习库也是比较难理解，所以，我(原作者)创建了这个机器学习和深度学习速查表，希望对多家有帮助：

尽管智能家居产品越来越多，并满足了各种需求和预算，但消费者仍然对其采用产生了抵制情绪。除了安全和隐私方面的担忧之外，缺乏对物联网好处的认识也导致了许多首次购买者推迟购买。