新闻中心 
-
01-23泛化能力和模型过拟合的关系在机器学习中，泛化能力是指模型在未见过的数据上能够准确预测的能力。换句话说，一个具有良好泛化能力的模型不仅在训练集上表现良好，还能够适应新的数据并产生准确的预测...
-
01-22降采样在卷积神经网络中的应用降采样是卷积神经网络中的关键技术，用于减少计算量、防止过拟合和提高模型的泛化能力。它通常在卷积层后的池化层中实现。降采样的目的是减少输出的维度，常用的方法有最大...
-
01-22特征工程在机器学习中的重要性与应用特征工程是对原始数据进行处理，提取出对问题有用的特征，以便于机器学习算法训练。在机器学习领域，特征工程是提高模型性能的关键因素之一。通过精心选择和转换特征，可以...
-
01-22解释和示范Dropout正则化策略Dropout是一种简单而有效的正则化策略，用于减少神经网络的过拟合，提高泛化能力。其主要思想是在训练过程中随机丢弃一部分神经元，使网络不过度依赖于任何一个神经...
-
01-22如何处理非独立同分布数据及常用方法非独立同分布是指数据集中的样本之间不满足独立同分布条件。这意味着样本不是从同一分布中独立采样得到的。这种情况可能对某些机器学习算法的性能产生负面影响，特别是在分...
-
11-17亚运“地下守护者”亮相上海国际电力展，展示机器狗代人全流程巡检11月15日至17日，云深处科技在上海国际电力展首次演示“绝影X30-智慧电力巡检解决方案”，并在现场全程复现全流程巡检。该方案将绝影X30四足机器人、智能巡检...
