新闻中心 
-
01-22解析零样本学习(ZSL)的定义与意义零样本学习(ZSL)是一种机器学习范例，利用预先训练的深度学习模型来推广新类别的样本。它的核心思想是将已有的训练实例中的知识转移到测试实例的分类任务中。具体而言...
-
01-22最大似然法和损失函数优化的不同模型的最大似然是指在给定观察数据的情况下，通过调整模型参数使得观察数据出现的概率最大化。最大似然是一种统计方法，通过最大化似然函数来估计模型参数。似然函数衡量了...
-
01-22关于相似性度量和距离度量的关联在机器学习应用中，相似性度量是用来评估两个样本对象相似程度的指标。通常使用距离度量来表示，有效的距离度量可以提高机器学习模型的性能。不过从数值关系上，相似性度量...
-
01-22朴素贝叶斯和决策树的区别朴素贝叶斯和决策树是常见的机器学习算法，用于分类和回归问题。它们都是基于概率模型的分类器，但实现方式和目标略有不同。朴素贝叶斯基于贝叶斯定理，假设特征之间相互独...
-
01-22径向基函数神经网络与BP神经网络有何异同径向基函数神经网络（RBF神经网络）和BP神经网络是两种常见的神经网络模型，它们在工作方式和应用领域上有所不同。RBF神经网络主要通过径向基函数来进行数据映射和...
-
01-22奇异值分解(SVD)简介及其在图片压缩中的示例奇异值分解(SVD)是一种用于矩阵分解的方法。它将一个矩阵分解为三个矩阵的乘积，分别是左奇异向量矩阵、右奇异向量矩阵和奇异值矩阵。SVD在数据降维、信号处理、推...
