首页 机器学习算法

机器学习算法

  • HAMLET:简化人工智能研发的平台

    HAMLET:简化人工智能研发的平台

    导读:机器学习系统的示例表示为超图。来源:埃斯迈利等人。 机器学习 (ML) 算法已被证明是用于解决各种实际问题(包括图像、音频和文本分类任务)的非常有价值的计算工具。世界各地的计算机科学家每天都在开发更多的这些算法;因此,跟踪它们并迅速找到或访问那... 机器学习系统的示例表示为超图。来源:埃斯迈利等人。机器学习 (ML) 算法已被证明是用于解决各种实际问题(包括图像、音频和文本分类任务)的非常有价值的计算工具。世界各地的计算机科学家每天都在开发更多的这些算法;因此,跟踪它们并...

  • 人工智能有助于对火星上的新陨石坑进行分类

    人工智能有助于对火星上的新陨石坑进行分类

    新的机器学习算法,自动化的新撞击坑分类,是由研究人员在美国航空航天局喷气推进实验室(JPL)在加利福尼亚州创造的-和第一次代表人工智能已经被用来识别先前未知的火山口的红色星球,根据以从美国航空航天局的声明。科学家已经为该算法提供了超过112,000张由Context相机在NASA火星侦察轨道器(MRO)上拍摄的图像。该程序旨在扫描照片,以查看火星表面特征的变化,这些变化表明出现了新的陨石坑。就算法的第一批发现而言,科学家认为这些陨石坑是由2010年3月至2012年5月之间的一次流星撞击形成的。JPL计算机科学家Ki...

  • 人工智能助力发现火星新陨石坑

    人工智能助力发现火星新陨石坑

    据美国太空网25日报道,美国国家航空航天局(NASA)开发的创新型人工智能(AI)工具犹如“火眼金睛”,帮助科学家在火星上发现了过去10年中形成的一系列陨石坑。NASA在一份声明中表示,这款新机器学习算法是一款撞击坑自动分类器,由NASA下属喷气推进实验室(JPL)的研究人员创建,这是人工智能首次被用于识别火星上先前未知的陨石坑。在最新研究中,研究人员使用NASA的“火星侦察轨道器(MRO)”上搭载的“情境”相机拍摄的6830张图像,对该陨石坑分类器进行了编程,这些照片包括人类先前已发现的撞击的照片以及没有陨石坑区...

  • 人工智能成功的关键是人类监督和经过熟练训练的数据的结合

    人工智能成功的关键是人类监督和经过熟练训练的数据的结合

    来源:CPDA数据分析师网 / 作者:数据君我们正处在为未来创新树立先例的关键时刻虽然该行业似乎正在努力实现完全自动化,但人工智能需要训练有素的人类专家的指导。事实上,如果没有经过成功训练的数据和专家以及多样化的人类监督,人工智能的未来可能会弊大于利。这是人工智能成功的基础培训数据是确保人工智能项目实现其承诺的重要基础,再到特斯拉,人工智能系统都获得了数据,以开发和改进它们的机器学习算法,但如果用于教授程序的信息不丰富、不健壮,程序本身就无法正常运行。换句话说:进质量等于出质量,数据训练是一个过程,在此过程中,人类...

  • 人工智能可预测骨关节炎发生,人工关节行业研究解析市场发展
  • 惠普VR头显Reverb G2将推出眼动追踪版,2021年春季上市

    惠普VR头显Reverb G2将推出眼动追踪版,2021年春季上市

    惠普日前正式发布了Omnicept Solution。这个平台解决方案包含基于Reverb G2的高端版本Omnicept Edition和旨在帮助开发者为企业开发应用的Omnicept SDK。据介绍,Omnicept Solution将通过纳入更多生物数据来提供更为深入的分析,从而改变开发者帮助企业实现变革和提高效率的方式。Reverb G2 Omnicept Edition主要面向企业市场的头显设备,其搭载了眼动追踪,面部动捕和心率监控等一系列生物数据采集功能,目标是实现更为高效的远程办公和企业培训。惠普表示...

  • 人工智能须警惕数据陷阱

    人工智能须警惕数据陷阱

    兵以诈立。智能时代,颠覆性技术不断涌现,战争欺骗手段和形式亦不断出新。“如果掌握你的数据,我就能创造出各种方法欺骗你的人工智能系统。”研究实验表明,智能化战争中一旦一方获得对手的人工智能训练数据集,就能够找到其弱点和盲区并实施欺骗,人工智能必须警惕数据陷阱。目前来看,人工智能分析处理数据的速度远超人类分析师,并且能够找出人脑难以发现的行为模式和规律,但是也会犯下人脑不会犯的错误。原因在于,机器学习算法必须依靠大量数据进行训练,数据之于人工智能就如同血液之于人类,共享数据比设计算法更难。如果数据集过小、数据不准或是被...

  • 常见的机器学习算法

    常见的机器学习算法

    诞生于1956年的人工智能,由于受到智能算法、计算速度、存储水平等因素的影响,在六十多年的发展过程中经历了多次高潮和低谷。最近几年,得益于数据量的上涨、运算力的提升,特别是机器学习新算法的出现,人工智能迎来了大爆发的时代。提到机器学习这个词时,有些人首先想到的可能是科幻电影里的机器人。事实上,机器学习是一门多领域交叉学科,涉及概率论、统计学、算法复杂度理论等多门学科。专门研究计算机如何模拟或实现人类的学习行为,利用数据或以往的经验,以此优化计算机程序的性能标准。根据学习任务的不同,我们可以将机器学习分为监督学习、非...

1