AI：2020年6月24日北京智源大会演讲分享之强化学习专题论坛——12:10-12:40张伟楠《基于模型的强化学习：基础与前沿》
2022-07-23
123
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
AI：2020年6月24日北京智源大会演讲分享之强化学习专题论坛——12:10-12:40张伟楠《基于模型的强化学习：基础与前沿》
目录
相关文章
|
18小时前
|
机器学习/深度学习
数据采集
人工智能
AI（人工智能）大模型：智能新突破与挑战
在人工智能的发展历程中，我们始终追求的是大模型的智能化。这包括对复杂环境的理解力、面对未知情况的泛化能力，以及在各种情况下的适应性。这些因素是衡量一个智能模型优秀与否的关键。而提升大模型在这些方面的表现，不仅能够推动人工智能的发展，更能够拓宽其应用的范围。因此，寻找并采取有效的策略，使大模型走向更加聪明，是我们在未来人工智能发展中必须要面对和解决的重要问题。
4
0
0
|
2天前
|
机器学习/深度学习
人工智能
Java
|
4天前
|
机器学习/深度学习
人工智能
自然语言处理
模型可解释性在AI和机器学习中至关重要，尤其在金融、医疗和司法等领域。
**模型可解释性在AI和机器学习中至关重要，尤其在金融、医疗和司法等领域。它建立信任、揭示偏见、辅助错误排查和满足法规要求。方法包括使用直观模型、局部解释器（如LIME）、全局工具（如PDP、SHAP）及神经网络和注意力机制的可视化。可解释性结合领域知识和伦理，推动透明智能系统的构建。**
15
0
0
|
4天前
|
机器学习/深度学习
人工智能
自然语言处理
模型可解释性在AI和机器学习中至关重要，尤其在金融、医疗和司法等领域。
【6月更文挑战第28天】模型可解释性在AI和机器学习中至关重要，尤其在金融、医疗和司法等领域。它建立信任、揭示偏见、辅助错误排查和满足法规要求。方法包括使用简单模型、局部解释（如LIME）、全局解释（如PDP、SHAP）、模型可视化和注意力机制。通过跨学科研究，兼顾效率与透明度，打造可信的智能系统。
12
0
0
|
6天前
|
机器学习/深度学习
人工智能
算法
|
6天前
|
机器学习/深度学习
人工智能
算法
|
6天前
|
人工智能
自然语言处理
测试技术
|
8天前
|
机器学习/深度学习
人工智能
自然语言处理
|
8天前
|
机器学习/深度学习
人工智能
自然语言处理
|
10天前
|
机器学习/深度学习
人工智能
算法
AI - 决策树模型
决策树算法起源于古希腊的逻辑推理，20世纪在军事策略研究中首次提出。它通过构建树形模型模拟决策过程，每个节点代表一个属性判断，分支代表可能结果。ID3算法基于信息增益，C4.5则引入信息增益率，解决了ID3偏好多值属性的问题，还能处理缺失值。CART决策树适用于分类和回归任务，使用基尼系数或信息增益来选择特征。在Python的`sklearn`库中，`DecisionTreeClassifier`实现决策树分类，通过参数如`criterion`、`max_depth`等控制模型。
41
6
6