算法

首页 标签 算法
# 算法 #
关注
108153内容
|
3小时前
|
【机器学习】在使用K-means聚类算法时,如何选择K的值?
【5月更文挑战第11天】【机器学习】在使用K-means聚类算法时,如何选择K的值?
|
3小时前
|
【机器学习】为什么K-means算法使用欧式距离度量?
【5月更文挑战第11天】【机器学习】为什么K-means算法使用欧式距离度量?
|
3小时前
|
【机器学习】解释什么是K-means聚类?
【5月更文挑战第11天】【机器学习】解释什么是K-means聚类?
|
3小时前
|
【机器学习】K-means聚类有哪些应用?
【5月更文挑战第11天】【机器学习】K-means聚类有哪些应用?
|
3小时前
|
【机器学习】K-means和KNN算法有什么区别?
【5月更文挑战第11天】【机器学习】K-means和KNN算法有什么区别?
|
3小时前
|
【机器学习】描述K-means算法的步骤
【5月更文挑战第11天】【机器学习】描述K-means算法的步骤
|
3小时前
|
【机器学习】K-means聚类的停止标准是什么?
【5月更文挑战第11天】【机器学习】K-means聚类的停止标准是什么?
|
4小时前
|
Objection Detection 手记
本文介绍了四个目标检测的经典算法:Faster R-CNN、FPN、SSD和RetinaNet。Faster R-CNN是两阶段算法,包括CNN特征提取、RPN(候选框生成)和RoI Pooling+Classifier。FPN通过高层到低层的信息传递增强特征金字塔,提高小物体检测性能。SSD是一阶段算法,直接在多尺度特征图上预测默认边界框。RetinaNet采用FPN结构和Focal Loss解决类别不平衡问题,优化one-stage检测。5月更文挑战第8天
C语言易混淆、简单算法、结构体题目练习、常见关键字总结-2
C语言易混淆、简单算法、结构体题目练习、常见关键字总结
|
5小时前
|
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
免费试用