- 北航《机器学习》期末考试解析5 4266浏览¥ 1.90
- 1.FANUCR 2.发那科机器人 3.系统变量清单 4.发那科机器人系统变量清单(全集) 5.深度学习5 4457浏览¥ 4.90
- matlab深度学习工具箱官方指导手册,包含各大模型参数的解释以及函数调用方式,适合开发以及研究使用。如果大家觉得不错的话,欢迎好评点赞转发,小伙伴们的鼓励就是我最大的动力~5 4907浏览¥ 20.90
- 主成分分析( PCA),机器学习,随机森林, K 最近邻,支持向量机,逻辑 回归, 词袋法,模糊综合评价模型,信息熵, 优劣解距离法 本文使用了主成分分析( PCA)的方法来求取故障率和误报率影响选择结果的 权重,得到了第一问的得分权重, 从而选择出了最适合的设备, 线型光束感烟探测 器。 第二问中我们使用了一个复合机器学习模型,同时使用了随机森林, K 最近 邻,支持向量机,逻辑回归 4 种模型,同时使用 CountVectorize 来对文本特征进 行量化,将 4 种模型的结果剔除一个离另外 3 个较远的,再取平均,得到最终结 果,避免了单一模型对结果的准确性造成影响,并验证了特征之间不存在明显相关 性。 第三问中我们使用熵权法+模糊综合评价的方法,得到了最优结果: R 大队, 和最劣结果: J 大队, M 大队, G 大队,在模型的检验中,使用了新的模型优劣解 距离模型求取了一次新的熵权,验证了结果的可靠性。 第四问中我们综合前两问中对于报警器的准确率,故障率及其工作原理给出多 种报警器的使用建议。结合第三问中对于各个大队的优劣结果得出火灾报警可靠性 与管辖面积的关系进而提出管理5 6187浏览¥ 22.90
- 哈尔滨工业大学2019《人工智能》试题和答案5 2639浏览¥ 4.90
- 哈工大《机器学习》研究生历年期末真题5 2311浏览¥ 4.90
- 2021数学建模国赛B题.pdf5 9118浏览¥ 5.90
- Visionpro工具中文详细讲解.pdf5 5196浏览¥ 19.90
- KUKA系统变量编程指导(全集+中文解释)5 1315浏览¥ 4.90
- 最全的条形图绘制方法总结,毕业论文绘图必须教程,方便快捷解决你的绘图困扰5 1w+浏览¥ 4.90
- 哈尔滨工业大学《高级算法设计与分析》2019年期末试卷5 2522浏览¥ 4.90
- 数据挖掘机器学习[七]---2021研究生数学建模B题空气质量预报二次建模求解过程:基于Stacking机器学习混合模型的空气质量预测 https://blog.csdn.net/sinat_39620217/article/details/124353644?spm=1001.2014.3001.55025 1247浏览¥ 5.90
- 观众在2021世界计算大会现场试用AI翻译设备。新华社记者陈思汗摄 在日前举行的2021人工智能计算大会上,国际数据公司IDC和浪潮信息联合发布的《2021—2022中国人工智能计算力发展评估报告》显示,相比2020年,人工智能在金融、制造、能源、公共事业和交通等行业体现的推动作用尤为显著。同时,以智能计算中心为代表的算力基础设施,通过提供公共的算力、数据及算法服务,让算力服务易用,解决算力服务的供给问题。 “4年来,我们发现人工智能算力越来越受到重视,这方面的应用越来越成熟,无论是芯片的多元化还是人工智能服务器的计算能力、计算容量等都比4年前有了很大的提高。”IDC企业研究助理副总裁周震刚接受经济日报记者采访时说。 周震刚表示,相比去年,人工智能在各个行业的渗透度都在提升,尤其是在互联网行业和金融行业。此外,制造、交通和能源行业在人工智能的应用也更加深入。 据了解,全球已有60多个国家和地区出台人工智能政策,发布国家级人工智能战略。IDC预测,2021年全球企业在人工智能软件、硬件和服务的总投资将超850亿美元,预计在2025年将增至2045亿美元,5年复合增长率达24.5%。 不过,中国工程院院士、浪潮首席科学家王恩东认为,人工智能也带来了指数级增长的算力需求,计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战。一方面,多样化的智能场景需要多元化的算力,算力已经成为人工智能继续发展的重中之重;另一方面,从芯片到算力的转化依然存在巨大鸿沟,多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新,已经成为推动人工智能产业发展的关键环节。 人工智能产业化对算力的需求正在激增,浪潮信息副总裁刘军表示,算法模型发展也将更加复杂,巨量模型将是规模化创新的基础,“源1.0”等巨量模型的出现,让构建大模型、提升人工智能处理性能成为发展趋势。 目前,全球知名的人工智能公司在巨量模型上都投入巨大,谷歌、微软、英伟达、浪潮、智源人工智能研究院、百度、阿里等公司相继推出了各自的巨量模型。“巨量化的一个核心特征就是模型参数多、训练数据量大。”刘军以浪潮人工智能研究院开发的中文人工智能巨量模型“源1.0”为例介绍说,其数量高达2457亿,训练数据集规模达到5000GB。“我们对算力的追求没有极限。”刘军说。 人工智能芯片正呈现多元化发展趋势,芯片的多元化为人工智能产业化的加速提供了重要的产业基础和更加丰富的选择。但是,芯片从造出来到大规模用起来,还隔着一个巨大的产业鸿沟。以一台人工智能服务器研制为例,整个系统需要经过30多个开发流程,使用150多种加工制造工艺,对280多个关键过程控制点的质量进行严格把控,还要实现与算法框架和人工智能应用的优化与适配等问题。 “要想释放多元算力价值、促进人工智能创新,一是要重视智算系统的创新,加大人工智能新型基础设施建设,把从技术到应用的链条设计好,从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面;二是要加快推动开放标准建设,通过统一、规范的标准,将多元化算力转变为可调度的资源,让算力好用、易用。”王恩东说。 中国人工智能基础设施市场规模保持高速增长,中国服务器厂商已成为全球服务器市场的中坚力量。IDC预计,2021年人工智能加速服务器市场规模将达56.9亿美元,相比2020年增长61.6%,到2025年,中国人工智能加速服务器市场将达108.6亿美元。 我国明确提出在全国布局算力网络国家枢纽节点,同时积极推进智能计算中心建设,发力构建普适普惠、安全可靠的现代化基础设施体系和生态。智能计算中心已被越来越多的地方政府视为实现支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施,为算力、数据、生态和产业发展提供平台化支持。5 1215浏览¥ 5.90
- 国科大学习资料–模式识别(刘成林)学长整理笔记5 926浏览¥ 1.90
- 包括 1.Hough变换 2.逆投影变换(IPM) 3.随机采样一致性算法(RANSAC) 4.DBSCAN算法 5.K-means聚类法 6.D-S策略 7.Adaboost算法3 1678浏览¥ 9.90
- 2022年五一数学建模联赛B题成品,自己做的参赛论文,代码数据都在,有任何问题可以咨询我,可以学习参考和作业使用。原创成品欲购从速5 4709浏览¥ 89.90
- 1.FANUCR 2.发那科机器人 3.故障代码与报警处理 4.发那科机器人故障代码与报警处理(全集 中文) 5.深度学习5 4032浏览¥ 4.90
- 机器学习大小:1MB本文在总结前人研究的基础上,对导致糖尿病的危险因素进行分析,通过对哈尔滨工业大学 2014 年校医院体检数据集的特征变量进行逐步回归分析,得到与糖尿病显著相关的危险因素,保留其作为 BP 神经网络模型、支持向量机模型和集成学习模型的输入变量。机器学习算法在处理较为复杂的问题上有较好的准确度和泛化能力。将样本集中 2728 条数据根据要求按照 7:2:1 的比例划分成训练集、测试集和独立样本集。基于 BP 人工神经网络、支持向量机和集成学习模型分别建立进行机器学习仿真模拟。输入变量和模型的各种参数、核函数的选择都对预测结果产生有或多或少的影响。本研究中观察了如网络结构、学习率、惩罚因子、核函数及相关参数的改变对预测结果的影响,然后经过对参数进行调试选择,找到各个算法的最优模型。最后使用独立样本进行测试,三个模型的预测结果与原始数据相关性强,证明建模具有统计意义,其中人工神经网络的最优模型的测试集 AUC 更高,运行时间更短。所以,最终选择以网络结构为 7-1-1 的人工神经网络模型为本研究中糖尿病预测的最适模型。 关键词:糖尿病;危险因素;BP 人工神经网络;支持向量机;集成学习本文在总结前人研究的基础上,对导致糖尿病的危险因素进行分析,通过对哈尔滨工业大学 2014 年校医院体检数据集的特征变量进行逐步回归分析,得到与糖尿病显著相关的危险因素,保留其作为 BP 神经网络模型、支持向量机模型和集成学习模型的输入变量。机器学习算法在处理较为复杂的问题上有较好的准确度和泛化能力。将样本集中 2728 条数据根据要求按照 7:2:1 的比例划分成训练集、测试集和独立样本集。基于 BP 人工神经网络、支持向量机和集成学习模型分别建立进行机器学习仿真模拟。输入变量和模型的各种参数、核函数的选择都对预测结果产生有或多或少的影响。本研究中观察了如网络结构、学习率、惩罚因子、核函数及相关参数的改变对预测结果的影响,然后经过对参数进行调试选择,找到各个算法的最优模型。最后使用独立样本进行测试,三个模型的预测结果与原始数据相关性强,证明建模具有统计意义,其中人工神经网络的最优模型的测试集 AUC 更高,运行时间更短。所以,最终选择以网络结构为 7-1-1 的人工神经网络模型为本研究中糖尿病预测的最适模型。 关键词:糖尿病;危险因素;BP 人工神经网络;支持向量机;集成学习5 3501浏览¥ 5.90
- 使用Python和PySpark进行数据分析可以帮助您解决使用PySpark进行数据科学的日常挑战。您将了解如何在从任何源(Hadoop集群、云数据存储或本地数据文件)获取数据的同时,在多台机器上扩展处理能力。一旦您了解了这些基础知识,您将通过构建机器学习管道,并混合Python、pandas和PySpark代码来探索PySpark的全面通用性。5 515浏览¥ 5.90
- 2020年数模国赛A题的论文,关键词有一维热传导方程、牛顿冷却定律、优化模型、最小二乘法、遗传算法、有限差分法、梯形分割求和等,得到的答案比较准确,欢迎下载和交流!(可私聊我要附件)5 1259浏览¥ 5.90
- 最详细的随机森林讲解,超赞5 1284浏览¥ 5.90
- 19级山大期末网络空间安全学院机器学习要点复习5 784浏览¥ 5.90
- 哈工大《智能控制》试卷真题5 832浏览¥ 4.90
- 博主个人作品,代码主要是matlab+lingo ,尊重劳动成果和版权,请不要二次上传 本文针对快递需求问题进行研究,建立了熵权法-TOPSIS 评价模型、ARIMA 模型、 多层感知器神经网络模型以及线性规划模型进行求解。旨在准确地预测快递需求数量, 对快递公司提高运输效率、降低运营成本、提升服务质量具有重大意义。 针对问题一,建立了熵权法-TOPSIS 评价模型进行求解。本文选取供应和接收城市 数量、发货量和收货量平均值、发货量和收货量每天平均变化率六个指标,从不同角度 进行评价,全面反映了各个城市在快递运输中的重要程度。建立了熵权法-TOPSIS 综合 评价模型,对各站点城市的综合评价指数和重要程度进行求解和综合排序。利用 Matlab 进行求解,得出排名前 5 的站点城市为 L、G、V、W、B。 针对问题二,建立了 ARIMA 模型进行求解。将附件 1 中5 3293浏览¥ 99.90
- 数电知识点汇总5 1874浏览¥ 4.90
- 2021数字孪生技术应用白皮书5 856浏览¥ 11.90
- RBF神经网络详细代码,可运行。适合算法初学者。5 2172浏览¥ 4.90
- 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键5 1566浏览¥ 5.90
- 2021百度智慧城市解决方案5 604浏览¥ 11.90
- 联邦学习场景应用研究报告(2022年).pdf5 675浏览¥ 5.90
- YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实应用 YOLOV5算法改进及其现实5 4600浏览¥ 5.90
- 2019年安徽大学《数字信号处理》期末考试试卷5 963浏览¥ 1.90
- 2021人工智能助力城市“双碳“目标达成白皮书5 458浏览¥ 11.90
- 随着计算机技术的迅猛发展和网络的广泛应用,网络入侵事件频繁发生,且 入侵的手段层出不穷,使得传统的数字认证和防火墙等网络安全措施越来越难以 满足人们的需求。因此,为了增强网络的安全性,入侵检测技术得到了越来越多 的重视。尽管如此,入侵检测算法自身的局限性使得网络入侵检测系统的误报率、 漏报率较高。近些年来,机器学习方法开始应用到入侵检测领域,成为该领域的 又一研究热点。 网络入侵检测的关键算法是分类算法。在机器学习方法中,SVM、神经网络 都是常用的分类算法,这些分类模型一般需要大量优质的数据进行训练才能达到 较好的效果。但是在网络入侵检测中,往往会出现样本分布不均匀、新类型攻击 流量没有训练数据以及模型检测时间过长等等问题。本文从基于SVM和神经网络 的网络入侵检测算法出发,探索了一系列基于机器学习算法的数据集处理和分类 算法优化方法,以期获得较好的检测效果。 在本文提出的网络入侵检测方法中,首先利用改进的K-means算法对训练集 中的样本进行数据筛选,并通过细化聚类以及添加噪声样本构造出新的训练数据 集。随后采用弃一法对样本进行特征选择。在训练SVM分类器时提出了基于网格 搜索和5 1280浏览¥ 5.90
- 机器学习课后习题答案.pdf5 2721浏览¥ 9.90
- 我国慢性疾病调查数据显示,目前全国慢性疾病确诊患者的数量达到了2.6亿 我国是世界上慢性疾病患者最多的国家,慢性疾病是一类高致残率、高死亡率而 且无法治愈的终身性疾病,已经成为当前我国医疗卫生事业发展道路上最大的障 碍。由于慢性疾病的特殊性,研究发现疾病预防是慢性疾病管理中最有效的措施, 疾病预测的研究对提高慢性疾病管理效率有着重要的意义。随着互联网和大数据 的发展,医疗数据的形式和数量不断增加,人们开始将数学模型用于疾病研究中, 通过定量分析的方法研究疾病的发病特征和原理,由于机器学习方法在处理复杂 数据问题时可以获得较好的精确度,被越来越多的人用于对疾病的预测研究。 在此背景下,本文旨在采用机器学习方法建立慢性疾病预测模型,在此基础上 搭建慢性疾病风险预测系统,通过该系统实现对用户慢性疾病风险的预测,进而 实现对高危人群的预警和疾病干预,达到对慢性疾病有效管理的目的。本文的主 要研究内容如下: (1)提出了新型慢性疾病管理模式。通过对我国目前的传统慢性疾病管理模 式的研究,分析了传统慢病管理模式存在的问题,结合新一代信息技术提出了新 型慢性疾病管理模式,强调疾病预测在慢性疾病管理中5 1252浏览¥ 5.90
- #资源达人分享计划#5 1406浏览¥ 14.90
- 这份报告以信息理论为指导,打通学科界限,融合多学科智慧。经济信息论认为,财富在最本质上是知识(山顶洞人毕竟当时也拥有我们今天所掌握的所有物质资源)。经济增长指的是“学习”,具体表现在所有竞争公司降低成本的“学习曲线”上。限制学习过程的是时间——当其他一切资源变得丰富时,时间依然有限。5 2091浏览¥ 20.90
- 福州大学《计算机图形学》两套考试样卷5 616浏览¥ 4.90
- 深度强化学习DQN(DeepQNetwork)原理及例子:如何解决迷宫问题,附源码 深度学习原理.pdf5 1403浏览¥ 11.90
- 随着互联网的飞速发展与广泛普及,网络入侵的种类和数量同样与日俱增,入侵检测作为计算机系统和网络安全领域的重要组成部分,已经成为当今信息时代的研究热点。然而,传统的入侵检测技术已经难以完成越来越复杂的入侵检测任务,传统的防火墙、用户认证以及数据加密技术,在一定程度上不仅缺乏检测入侵的智能,而且检测效率也较低。因此,我们需要将更智能更高效的技术应用于入侵检测中。 机器学习作为人工智能的核心,是赋予计算机智能的根本途径。机器学习模 拟人类的学习行为,能够通过学习已有的知识并重新组织已有的知识结构来不断 改善自身的学习能力,从而更高效地学习新的知识。在如今的大数据时代,机器 学习应用在人工智能的各个领域,计算机安全领域当然也不例外。入侵检测的本 质是一个分类问题,而机器学习能较好地完成各种分类任务。本文首先通过将机 器学习应用到入侵检测技术中,评估了各类机器学习算法在入侵检测中的效果; 在此基础上,通过研究各种机器学习算法在入侵检测中所展现的优势和缺陷,提 出了对应的改进模型和优化方法;最后对入侵的一种广泛而普遍的具体存在方式 恶意软件进行了全面而深入的研究。本文的主要研究内容和创新5 921浏览¥ 5.90
- ABB机器人编程逻辑指令详细讲解5 1240浏览¥ 4.90
- #资源达人分享计划#5 1919浏览¥ 9.90
- 数模国赛18年A题的论文,质量较高,建立了一维复合介质热传导模型,主要通过最小二乘的思想进行参数估计,有限差分法对微分方程求数值解,问题二三是优化模型,计算结果较为准确,每一问都进行了灵敏度分析,探究了隔热服二、四两层介质的功能,有较好的参考意义,欢迎下载和交流!5 943浏览¥ 5.90
- 传统计算(硬计算) 的主要特征是严格、 确定和精确。 自然和人工系统中存在着三种复杂性: 随机性、 模糊性和不确定性, 因此硬计算并不适合处理现实生活中的许多问题, 例如驾驶汽车。 软计算通过对不确定、 不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性。 它模拟自然界中智能系统的生化过程(人的感知、 脑结构、进化和免疫等) 来有效处理日常工作。 软计算是方法的集合体, 主要成员有进化计算、 模糊逻辑、 证据理论、 人工神经网络、 粗糙集等, 本文主要对证据理论、 模糊计算和粗糙集进行介绍。 本文首先对证据理论的基本框架以及它的组合规则进行了简单的介绍, 并通过两个示例说明 Dempster 组合规则存在的缺陷, 在此基础上介绍了几种己有的证据理论的改进方法; 然后介绍了模糊集的基础知识, 运算规则和相关定理, 从而比较其与经典集的差别, 并介绍几个常用的隶属函数形式; 最后介绍了粗糙集的一些基本概念,粗糙集的优势和与其它集合论的不同, 并介绍了粗糙集和证据理论、 模糊集合这两种软计算理论的结合。5 419浏览¥ 1.90
- ABB IRC5机器人 故障代码查询及解决方法(全集)5 636浏览¥ 4.90
- #资源达人分享计划#5 595浏览¥ 4.90
- 近年来,互联网和移动互联网的快速发展,网络中的图像数据展现出了爆炸 式的增长。图像数据简单直观,并且包含丰富的信息,被人们广泛作为信息交流 的载体。基于内容的图像识别能够从图像本身出发,先从图像中提取显著的特征, 再根据特征的差异对图像进行识别,具有很好的识别效果。机器学习在人工智能 中具有非常重要的位置,机器学习通过算法对数据进行学习,然后进行预测和决 策,是实现人工智能的钥匙。机器学习的图像识别是基于图像内容的,机器学习 从图像数据本身出发,从数据中提取底层的图像特征,然后通过机器学习的算法 建立起底层特征和高层图像语义之间的联系,进而实现图像识别。 图像识别是机器视觉的基础,图像内容千变万化,机器视觉就千差万别。对 计算机来说,图像的底层特征和高层图像语义没有直接的联系,所以解决“语义 鸿沟”就是图像识别的重点和难点问题。机器学习发展经过了浅层学习和深层学 习两个阶段,专家和学者提出了很多的算法模型,在图像识别、语音识别和人工 智能方面取得了较多成果。 首先介绍了基于统计理论的支持向量机模型,支持向量机模型是根据人工提 取的特征来训练分类器,通过分类器来达到图片识别的目标。对于底5 1853浏览¥ 5.90
- 机器学习大小:5MB近年来,量化投资凭借其精力无限、依靠概率取胜和纪律性强的优势受到越 来越多的关注。与西方成熟市场相比,我国量化投资还处于起步阶段,存在量化 投资产品规模小、策略缺乏多样性、业绩表现分化的不足。尽管如此,从我国实 情来看,量化投资仍会有很广阔的发展前景。因此,对于量化选股方法的理论及 实践进行研究,构建适合A股市场的选股策略,并以此指导投资者进行量化投资 有很重要的现实意义。 股票市场是一个低信噪比的、复杂的非线性系统,而机器学习在诸多领域如搜 索和语音识别中均被证明是针对模糊非线性数据进行建模的强有力工具,使用机 器学习方法来构建量化投资策略具有一定的天然优势。选股本质是一个排序问题, 投资者都希望能挑选出相对于其他股票在未来表现更好的股票,基于此,本文尝 试将机器学习领域中两种较为成熟的学习排序算法GBDT和GBRank应用到选股 问题中。本文以技术分析为理论根据,先后构建了基于模式识别的短线选股策略 和基于动量和反转效应的长线选股策略。前者根据个股在过去一个月内的价格走 势形态构来建特征向量,利用机器学习算法自动进行模式识别后者以不同时间 周期的动量、反转因子为基础构建特征向量,利近年来,量化投资凭借其精力无限、依靠概率取胜和纪律性强的优势受到越 来越多的关注。与西方成熟市场相比,我国量化投资还处于起步阶段,存在量化 投资产品规模小、策略缺乏多样性、业绩表现分化的不足。尽管如此,从我国实 情来看,量化投资仍会有很广阔的发展前景。因此,对于量化选股方法的理论及 实践进行研究,构建适合A股市场的选股策略,并以此指导投资者进行量化投资 有很重要的现实意义。 股票市场是一个低信噪比的、复杂的非线性系统,而机器学习在诸多领域如搜 索和语音识别中均被证明是针对模糊非线性数据进行建模的强有力工具,使用机 器学习方法来构建量化投资策略具有一定的天然优势。选股本质是一个排序问题, 投资者都希望能挑选出相对于其他股票在未来表现更好的股票,基于此,本文尝 试将机器学习领域中两种较为成熟的学习排序算法GBDT和GBRank应用到选股 问题中。本文以技术分析为理论根据,先后构建了基于模式识别的短线选股策略 和基于动量和反转效应的长线选股策略。前者根据个股在过去一个月内的价格走 势形态构来建特征向量,利用机器学习算法自动进行模式识别后者以不同时间 周期的动量、反转因子为基础构建特征向量,利5 1165浏览¥ 5.90
- 中国科学院大学《矩阵代数》期末考试试题5 522浏览¥ 1.90
- 南京大学《数据挖掘》期末复习知识点5 932浏览¥ 1.90
- 谱图理论就是研究如何通过几个容易计算的定量来描述图的性质。通常的方法是将图编码为一个矩阵然后计算矩阵的特征值。来自Gabriel Coutinho的最新谱图理论笔记。5 544浏览¥ 5.90
- 2021华为智慧城市未来发展白皮书5 980浏览¥ 11.90
- 情感是人类智能表现的一种特征。情感既可以是身体上生理状态发生变化的反映, 也可通过文本加以表达。目前研究情感分析的语料资源大部分来源于用户评论文本。 评论文本已成为消费者购买商品的重要参考。从文本中获取情感信息,首先要从文本 中抽取语义特征信息并加以分类。因为无法及时提取到信息丰富的评论,且基于词典 的方法或基于机器学习的方法量化得到的情感特征过于片面,无法很好的辅助消费者 进行决策,所以提取评论文本的情感特征及对评论文本进行主客观分类的研究就有现 实意义。但基于词典的研究依赖于情感词典,由于新的词汇以及未登录词较多,情感 词典的构建难度较大,且词语缺少强度量化。机器学习的方法不能较好解决多个情感 词时引发的情感发散问题。本文提出了结合词典和机器学习的情感分析方法,得到可 以提高预测评论主客观性的正确率的情感特征组合。 本文将手机评论文本作为研究对象进行相关情感分析研究工作,将基于词典与 主题模型结合方法、基于机器学习方法以及词典和机器学习组合方法得到的情感特征 进行量化表示。实验比较量化的情感特征对主客观分类的影响。本文的研究工作如下: (1)词典扩充与极性计算研究。在基于词典的情感5 798浏览¥ 5.90
- 宁波大学《计算机组成原理与结构》期末复习题(含答案)5 594浏览¥ 4.90
- 互联网消费金融是互联网金融公司为满足个人消费者对商品和服务的消费需 求所提供的小额贷款并分期偿还的信贷活动。与传统消费金融相比,互联网消费 金融具有服务方便快捷、大幅度降低交易成本、覆盖群体更广的特点。随着经济 水平的不断发展,人们消费观念的升级,互联网消费金融也逐渐被更多消费者认 可。面对数以万计甚至是数以十万计的申请借款的用户时,则需要通过互联网和 计算机领域的技术来解决这个用户信用风险的预测问题。 本文针对互联网消费金融的小额贷款申请,探讨机器学习技术在这个领域中 的发展情况和实际应用情况,研究违约用户和履约用户这两批用户的各方面特征, 介绍了在信用风险评估领域比较流行的Logistic回归模型和GBDT(梯度迭代决策 树)模型,以及主流的模型性能评价指标。在具体的实验中,本论文使用机器学 习技术对网络信贷平台的用户进行建模分析,使用Information Value统计量筛选变 量特征,采取 woe (weightofevidence)编码的方式对变量特征进行重新编码,以 提升变量对两类用户的辨别能力,最后,使用Logistic回归模型和GBDT(梯度迭 代决策树)模型对申请贷5 871浏览¥ 5.90
- 第一部分包括基础知识和预备知识。 1节 提供深度学习的入门课程。然后在 2节中将快速介绍实践深度学习所需的前提条件,例如如何存储和处理数据,以及如何应用基于线性代数、微积分和概率基本概念的各种数值运算。 3节 和 4节 涵盖了深度学习的最基本概念和技术,例如线性回归、多层感知机和正则化。 接下来的五章集中讨论现代深度学习技术。 5节 描述了深度学习计算的各种关键组件,并为我们随后实现更复杂的模型奠定了基础。接下来,在 6节 和 7节 中,介绍了卷积神经网络(convolutional neural network,CNN),这是构成大多数现代计算机视觉系统骨干的强大工具。随后,在 8节 和 9节 中,引入了循环神经网络(recurrent neural network,RNN),这是一种利用数据中的时间或序列结构的模型,通常用于自然语言处理和时间序列预测。在 10节 中,介绍了一类新的模型,它采用了一种称为注意力机制的技术,最近它们已经开始在自然语言处理中取代循环神经网络。这一部分将帮助你快速了解大多数现代深度学习应用背后的基本工具。5 203浏览¥ 5.90
- 随着人们对生活质量要求的越来越高以及ios,Android等智能手机的普及, 智能家居这个概念又上次浮上水面,同时电子设备的集成度也越来越高,各种智 能设备也不断出现,传统的电器也开始有了计算能力,智能家居正变得炙手可热, 又将要掀起一股热潮。 智能家居是指通过在家庭中布置各种传感器和控制设备,实时地监视家庭中 各种环境以及控制各种用电器,使得整个家庭环境设施变地智能化。人们可以更 方便更详细地了解或者控制家里面的环境和设备。由此在能得到更舒适的居住环 境的同时还能保证居家环境安全。 市面上已经出现了很多智能家居的系统,能够提供一些环境的监测和用电器 的远程控制,但是在整套设备中,各设备之间并没有很好地结合到一起,仅能够 单独地提供各传感器状态和手动控制各节点,并没有达到智能系统的要求。近年 来,随着人工智能,机器学习的快速发展,智能家居有了真正意义上的智能的可 能性,这些变化为智能家居的发展方向提供了与以往不同的思路和难得的机遇。 本文通过使用Python定时读取智能家居系统数据库中各个节点间的数据并 使用Google最新开源的机器学习框架TensorFlow实现前反馈神经网络(fe5 458浏览¥ 5.90
- #资源达人分享计划#5 1160浏览¥ 14.90
- COMSOL 6.0 Java API5 309浏览¥ 5.90