分类目录归档：Books
目录
• 第1章 为什么需要集成学习
• 1.1 混合训练数据
• 1.2 混合模型
• 1.3 混合组合
• 1.4 本章小结
• 第2章 混合训练数据
• 2.1 决策树
• 2.2 数据集采样
• 2.2.1 不替换采样（WOR）
• 2.2.2 替换采样（WR）
• 2.3 Bagging（装袋算法）
• 2.3.1 k重交叉验证
• 2.3.2 分层的k重交叉验证
• 2.4 本章小结
• 第3章 混合模型
• 3.1 投票集成
• 3.2 硬投票
• 3.3 均值法/软投票
• 3.4 超参数调试集成
• 3.5 水平投票集成
• 3.6 快照集成
• 3.7 本章小结
• ...
目录
• 讲义1 AI与人类能够对话吗
• 机器人会说话吗
• AI如何进行翻译
• RNN输出答案前的思考机制
• 学习指的是“区分”
• 图灵测试与“中文房间试验”
• 不会感到疲劳的人无法理解“疲劳”一词的意思吗
• AI能够理解“猫”吗
• 小朋友只能理解亲眼看到的东西吗
• 使用语言就是分解信息
• 讲义2 人脑和AI的区别是什么
• 人脑机能与AI学习法的相似性
• 短期记忆与长期记忆
• 出现错误时追踪溯源——误差反向传播法的机制
• 日本人不能发好“L”音和“R”音的原因
• 过拟合——AI不能应对的时候
• 人脑之谜与AI的进化
• 世界和人都是层级结构
• AI能够具...
目录
• 第1章 引言
• 1.1 目标
• 1.2 历史
• 1.3 应用
• 1.4 生物学启示
• 1.5 扩展阅读
• 第2章 神经元模型与网络结构
• 2.1 目标
• 2.2 理论与例子
• 2.2.1 McCulloch - Pitts神经元模型
• 2.2.2 线性联想器
• 2.2.3 神经网络结构
• 2.3 小结
• 2.4 例题
• 2.5 结束语
• 2.6 习题
• 第3章 一个说明性的例子
• 3.1 目标
• 3.2 理论与例子
• 3.2.1 问题描述
• 3.2.2 感知机
• 3.2.3 Hamming网络
• 3.2.4 Hopfield网络
• ...
目录
• 第1章 时间序列预测概述
• 1.1 时间序列预测的机器学习方法
• 1.2 时间序列预测的监督学习
• 1.3 基于pandas的时间序列预测
• 1.4 时间序列预测的实验设置
• 1.5 总结
• 第2章 如何在云上设计一个端到端的时间序列预测解决方案
• 2.1 时间序列预测模板
• 2.1.1 业务理解和性能度量
• 2.1.2 数据源提取
• 2.1.3 数据探索与理解
• 2.1.4 数据预处理和特征工程
• 2.1.5 模型的创建和选择
• 2.2 需求建模技术概述
• 2.2.1 模型开发
• 2.2.2 模型部署
• 第3章 时间序列数据的准备
• 3.1 ...
为什么伟大不能被计划
5000天后的世界
Python神经网络编程
《情感机器人：人工情感的逻辑框架与深度算法》读书摘要
一、主要内容摘要
《情感机器人：人工情感的逻辑框架与深度算法》深入探讨了情感机器人这一前沿领域，揭示了人工智能与情感计算相结合的奥秘。
书中首先对人工智能的基础进行了阐述，包括人工智能的研究内容、发展简史、主要学派和发展方向等内容，为后续对情感机器人的讨论做了铺垫。通过对人工智能奇点之争等热点话题的探讨，使读者对这一领域的现状和未来有了宏观的认识。
接着聚焦于人工情感领域，探讨了时代对人工情感的呼唤，以及围绕人工情感存在的诸多争议。书中详细介绍了美国的“情感计算”以及世界各国的“人工情感”研究情况，并深入剖析了当今人工情感理论存在的缺...
《协作机器人技术及应用》读书摘要
一、主要内容摘要
《协作机器人技术及应用》是一本专注于协作机器人领域的专业书籍。随着工业自动化和人工智能的发展，协作机器人在现代生产和服务场景中扮演着越来越重要的角色，这本书为读者深入了解这一领域提供了全面的知识。
书中首先介绍了协作机器人的基本概念和发展历程，包括协作机器人的定义、产生背景以及与传统工业机器人的区别等内容。这有助于读者建立对协作机器人的初步认识，理解其在工业和其他领域中的应用优势。
接着，详细阐述了协作机器人的核心技术，如视觉识别技术、力觉控制技术、运动学与动力学建模等。这些技术是协作机器人能够实现精准操作和安全协作的关键，书中通过原理...
《基于Python进行数据分析的实用机器学习》读书摘要
一、主要内容摘要
《基于Python进行数据分析的实用机器学习》是一本专注于使用Python进行数据分析和机器学习实践的书籍。它为读者提供了从基础概念到实际应用的全面指导，尤其适合希望将机器学习技术应用于数据分析领域的专业人士。
书中开篇介绍了机器学习的基本概念，包括什么是机器学习、为什么需要使用机器学习以及机器学习的关键任务等内容。这些基础知识帮助读者建立起对机器学习领域的初步认知，理解其在当今数据驱动时代的重要性。
接着，详细阐述了机器学习框架的各个环节，例如数据收集、数据描述、探索性数据分析、数据质量分析和数据准备等。这些步骤...