机器学习

机器学习(Machine Learning,简称ML)是一种人工智能(AI)的分支,致力于研究让计算机系统能够从数据中学习并自动改进性能的算法和技术。机器学习使计算机系统能够从经验中学习,而不需要明确地进行编程。

AI和ML在网络安全中的用例

本文将探讨如何将人工智能(AI)和机器学习(ML)整合到网络安全当中。随着网络攻击在性质和目标上变得越来越多样化,网络安全人员是否有正确的可见性来确定如何解决漏洞是至关重要的,而人工智能将可以帮助提出人类无法单独解决的问题。

半监督学习入门基础(二):最基础的3个概念

半监督学习 (SSL) 是一种非常有趣的方法,用来解决机器学习中缺少标签数据的问题。SSL利用未标记的数据和标记的数据集来学习任务。SSL的目标是得到比单独使用标记数据训练的监督学习模型更好的结果。这是关于半监督学习的系列文章的第2部分,详细介绍了一些基本的SSL技术。

【机器学习】解决过拟合的几种方法 (Overfitting Solutions)

最近学习吴恩达教授的一些课程,其中提到解决过拟合的四种方法。我们从易到难逐一讨论:通常training set不是很丰富的情况下,更容易出现过拟合状况。但是label更多的数据也不是能够快速达成的事情。因此这个方法主要适合于图像识别领域,可以通过distortion人为的增加训练集,从而减轻overfitting……

机器学习中的特征工程详解

特征认识(Feature understanding)——结构化数据:可分解为观测记录和属性的数据,如表格数据,行为观测,列为属性;非结构化数据:数据形式随意,不遵循特定规则,如一堆数据(log文件),博客信息,或者只有一个特征的数据;定量数据:有明确数值的数据;定性数据:类别数据。

2021年十大数字转型趋势

我们听到5G的好处已经很多年了,但直到今年,远程工作、视频会议和数字协作成为我们生活的核心部分,对可靠连接和更多带宽的需求才真正成为我们都能理解的一项具体好处。我们对手机、平板电脑和其他设备的依赖——包括越来越多的物联网传感器——凸显了对多车道信息高速公路的需求,电信公司早就知道我们会需要这种高速公路。如今,企业无法承受断开连接的后果,5G部署已经成为解决方案的一个重要组成部分。

机器学习的演进

在我们的生活中,机器学习无处不在,它增加了价值,产生了积极的经济效应,同时减少了低效和浪费。这是由多方面的因素推动形成的,包括显著改进的神经网络(NN)框架,成熟的机器学习技术,改善的训练数据访问方法,当然还有一点很重要的就是,性能更佳的、嵌入在边缘和终端用于训练的专用集成电路(ASIC)。再加上更好的机器学习训练算法——在一些情况下可以将训练时间从数周减少到数小时,机器学习正变得越来越可行。

错误 | 电子创新网 Imgtec 社区

错误

网站遇到了不可预知的错误。请稍后再试。