• 大数据时代,用户的隐私如何守护

    学术界提出了多种保护隐私的方法和测量隐私是否泄露的工具,例如k-anonymity(k-匿名化)、l-diversity(l-多样化)、t-closeness、ε-differentialprivacy(差分隐私)、同态加密(homomorphic encryption)、零...
    文章 2017-11-07 1239浏览量
  • 带你读《计算机程序的构造和解释(原书第2版)典藏版...

    第2章 构造数据抽象 现在到了数学抽象中最关键的一步:让我们忘记这些符号所表示的对象。……(数学家)不应在这里停步,有许多操作可以应用于这些符号,而根本不必考虑它们到底代表着什么东西。...
    文章 2019-11-18 689浏览量
  • 工程师如何给女友包?问问阿里“百事通”

    阿里妹导读:工作那么忙,怎么给女朋友包?是翻看包包的详情页,再从商品评论中去找信息吗?为了帮助类似的同学节省时间,阿里工程师们提出快速回答生成模型RAGE。你问它答,这个“百事通”能从整体结构,评论的...
    文章 2019-07-08 1541浏览量
  • 工程师如何给女友包?问问阿里“百事通”

    阿里妹导读:工作那么忙,怎么给女朋友包?是翻看包包的详情页,再从商品评论中去找信息吗?为了帮助类似的同学节省时间,阿里工程师们提出快速回答生成模型RAGE。你问它答,这个“百事通”能从整体结构,评论的...
    文章 2019-07-26 1094浏览量
  • 深度学习word2vec笔记之基础篇

    其中c是类别映射函数,功能是把V个词映射到K个类别(1= 其他的模型还很多,不一一介绍了。2.2.4模型的问题与目标 如果是原始的直接统计语料库的语言模型,那是没有参数的,所有的概率直接统计就得到了。但现实往往会...
    文章 2020-07-01 277浏览量
  • 深度学习word2vec笔记之基础篇

    其中c是类别映射函数,功能是把V个词映射到K个类别(1= 其他的模型还很多,不一一介绍了。2.2.4模型的问题与目标 如果是原始的直接统计语料库的语言模型,那是没有参数的,所有的概率直接统计就得到了。但现实往往会...
    文章 2020-07-01 195浏览量
  • 工程师如何给女友包?问问阿里“百事通”

    考虑到电商领域实时响应的需求,我们在基础模型的搭建过程中,将以往工作中常用的循环神经网络替换为多层门控卷积神经网络,为证明其效率,我们在单卡 Tesla K40 GPU环境下对比了各个模型的训练及测试效率,其结果如...
    文章 2019-12-28 584浏览量
  • 搞机器学习/AI有什么必备的数学基础?...

    在机器学习领域,几乎我遇到的信息论问题都是最小化K-L散度,这些看维基百科都能搞懂。你还得能理解具有概率输出的模型,比方生成模型和强化学习等。如果你要阅读学术期刊,至少下面这些知识点应该懂一点: 统计学...
    文章 2018-01-16 674浏览量
  • 《大数据分析原理与实践》一一3.1 回归分析

    继而,通过上面的递归表达式根据第一棵树建立第二棵树,直到第M棵树,那么我们先看一下第二棵树怎么建立。对上面的递归式做个变形,即hM(x)=t-FM-1(x)注意到hM(x)就是我们要建立的第2(M=2)棵树,已有的是第...
    文章 2017-07-03 7015浏览量
  • 《大数据分析原理与实践》一一 3.1 回归分析

    继而,通过上面的递归表达式根据第一棵树建立第二棵树,直到第M棵树,那么我们先看一下第二棵树怎么建立。对上面的递归式做个变形,即hM(x)=t-FM-1(x)注意到hM(x)就是我们要建立的第2(M=2)棵树,已有的是第...
    文章 2017-08-02 2071浏览量
  • 强化学习在电商环境下的若干应用与研究

    换句话说,用户最终选择购买或不够商品,不是由某一次排序所决定,而是一连串搜索排序的结果。实际上,如果把搜索引擎看作智能体(Agent)、把用户看做环境(Environment),则商品的搜索问题可以被视为典型的顺序...
    文章 2018-01-30 9814浏览量
  • 【深度学习之美】LSTM长短记,长序依赖可追忆(入门...

    “LSTM”,名称很拗口啊,为了记忆,我把它记做“老(L)师(S)太(T)忙(M)”。如果于尔根•施密德胡伯(Jürgen Schmidhuber)知道我这么玩笑地称呼他的“宝贝”,会不会怼我啊?施密德胡伯(名字太长,以下...
    文章 2017-08-17 27512浏览量
  • 《仿人机器人原理与实战》一3.3 热平衡模拟器

    例如,如果泵的出口外径(OD)与管子的内径(ID)不匹配,那么你可能需要管径变换器,如同本章开始展示的那种。3.3.5 编程 如程序清单3-1所示,我们首先建立最基本的代码,实施闭环和负反馈开关控制器。清单3-1 ...
    文章 2017-07-21 1846浏览量
  • DL应用:query生成和query推荐

    我们把时间函数定义为下式,里面的ti表示第i时间步距离当前的时间,时间的参数是m维:为了求解a,我们配置一个网络求解,首先我们把u进行一个t变换 然后再配置一个fake-conv来求取a(图中的fake-conv虽然用卷积实现...
    文章 2018-02-12 12770浏览量
  • 机器学习算法一览

    k-Nearest Neighbour(kNN) Learning Vector Quantization(LVQ) Self-Organizing Map(SOM) Locally Weighted Learning(LWL) 2.2.3 决策树类算法(Decision Tree Algorithms) 决策树类算法,会基于原始数据特征,构建一...
    文章 2017-05-02 1230浏览量
  • 全解卷积神经网络,并分享9篇必读论文

    将其具象化,其实就是一个演算calculus优化的问题,我们想要找到哪些输入(在我们的系统中就是权值)更直接地影响到损失L,或者说误差。上图表示,针对这个问题具象化的一个方法是将其放在由一个误差(损失相关)...
    文章 2018-01-26 4223浏览量
  • 带你读《物联网之魂:物联网协议与物联网操作系统》之...

    或者,A要给F发信息,中间要经过B、C、D、E,但是中间还有好多节点如K、J、Z、Y。怎么选择最佳路径?这就是路由要做的事。于是,科学家们又提出了网络层的概念:通过路由算法,为报文或分组通过通信子网选择最适当的...
    文章 2019-11-12 936浏览量
  • 论文|蚂蚁金服亮相数据挖掘顶会KDD 2018,这些你不可...

    [2]Liu Z,Chen C,Li L,Zhou J,Li X,Song L.GeniePath:Graph Neural Networks with Adaptive Receptive Paths.arXiv preprintarXiv:1802.00910.2018 Feb 3. [3]Grover A,Leskovec J.node2vec:Scalable feature ...
    文章 2018-08-22 3592浏览量
  • 分辨真假数据科学家的20个问题及回答

    正则化的通常做法,是将已有的权重向量经过L1(Lasso)或者L2(ridge)变换,当然变换也可以是其他形式。最终的模型优化目标,是加入了正则化项后的损失函数。Xavier Amatriain给了一个很好的例子,对L1和L2正则化进行...
    文章 2017-05-31 1646浏览量
  • 作为产品经理的你,这些数据分析常用术语你都知道吗?

    设A是向量空间的一个线性变换,如果空间中某一非零向量通过A变换后所得到的向量和X仅差一个常数因子,即AX=kX,则称k为A的特征值,X称为A的属于特征值k的特征向量或特征矢量。三、数据分析名词解释 A 聚合...
    文章 2019-03-27 2382浏览量
  • 从千奇百怪的相变现象说起

    有一个理想气体的状态方程,压力乘上体积,等于n乘上RT,R是气体常数,等于Nak,Na 是阿佛迦德罗场数,k 是玻耳兹曼常数,等于1.38乘上10的负23次方焦耳/度。这是理想的气体。实际的气体不满足这样的方程。19世纪...
    文章 2018-05-04 975浏览量
  • 深度丨110亿美金还不够,阿里使用这种AI手段创造更多...

    而利用K-means先做聚类再做分类的方法,也没办法做很好的区域划分——我们先给K-means用4分片,但其区域怎么划分和后面怎么预测不联动,所以它就变成上图第二排第二个的分界面。我们再把K-means加上10分片,其实也...
    文章 2017-08-01 1228浏览量
  • 《人工智能:计算Agent基础》——1.6 原型应用

    本节书摘来自华章计算机《人工智能:计算Agent基础》一书中的第1章,第1.6节,作者:(加)David L.Poole,Alan K.Mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。1.6 原型应用 人工智能领域的...
    文章 2017-07-03 1209浏览量
  • 想去机器学习初创公司做数据科学家?...

    从概念上讲,我们可以说,Lasso回归(L1)同时做变量选择和参数收缩,而ridge回归只做参数收缩,并最终在模型中包含所有的系数。在有相关变量时,ridge回归可能是首选。此外,ridge回归在用最小二乘估计有更高的偏差...
    文章 2017-05-27 3226浏览量
  • 蚂蚁变大象:浅谈常规网站是如何从小变大的

    好了,到现在这个阶段,我们的单机数据库可能已经逐步成为瓶颈,数据库出现比较严重的读写冲突(即:多个线程或进程因为读写需要,争抢磁盘,使得磁盘的磁头不断变换磁道或盘片,造成读写都很缓慢)。那我们针对这样...
    文章 2017-11-07 1322浏览量
  • 1269道Java技术答疑,阿里技术专家帮你Java技术进阶

    https://yq.aliyun.com/ask/480373@倚贤Ajax向后台发送请求Spring无法匹配到u'r'l?https://yq.aliyun.com/ask/480374@talishboyspringmvc中web.xml配置配置https://yq.aliyun.com/ask/481454@小川游鱼Spring、...
    文章 2018-11-22 4812浏览量

云产品推荐

视频直播 大数据计算服务 MaxCompute 国内短信套餐包 ECS云服务器安全配置相关的云产品 开发者问答 阿里云建站 新零售智能客服 万网 小程序开发制作 视频内容分析 视频集锦 代理记账服务 阿里云AIoT 阿里云科技驱动中小企业数字化