社区
北京理工大学
知识分享
帖子详情
AI学习交流贴-学习i n g
kinguuuuuu 1
2025-10-22 14:50:12
如何学习AI
...全文
48
1
打赏
收藏
AI学习交流贴-学习i n g
如何学习AI
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
1 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
kinguuuuuu 1
10-22
打赏
举报
回复
AI学习
计算机视觉:少样本
学习
(Few-Shot Learning)在视觉中的应用
计算机视觉:少样本
学习
(Few-Shot Learning)在视觉中的应用 ,人工智能,计算机视觉,大模型,
AI
,少样本
学习
(Few-Shot Learning, FSL)应运而生,其目标是利用极少量的标注样本训练模型,使模型能够对新的样本进行准确分类或预测。这一技术模拟人类从少量示例中快速
学习
并泛化到新情况的能力,为解决数据稀缺问题提供了有效的途径,在计算机视觉领域展现出巨大的潜力和应用价值。
深度
学习
应用篇-元
学习
[16]:基于模型的元
学习
-Learning to Learn优化策略、Meta-Learner LSTM
深度
学习
应用篇-元
学习
[16]:基于模型的元
学习
-Learning to Learn优化策略、Meta-Learner LSTM
【机器
学习
-19】集成
学习
---投票法(Voting)
集成
学习
是一种强大的机器
学习
方法,它通过构建并结合多个
学习
器(也称为“基
学习
器”或“弱
学习
器”)的预测结果来完成
学习
任务。集成
学习
的主要目的是通过结合多个
学习
器的预测结果来提高模型的泛化能力和鲁棒性,降低单一
学习
器可能存在的过拟合或欠拟合风险。集成
学习
的基本原理在于,不同的
学习
器往往具有不同的偏差和方差特性,它们在各自的训练数据集上可能会产生不同的预测结果。当我们将这些
学习
器的预测结果进行某种形式的结合时,可以期望它们的偏差和方差特性能够相互抵消或互补,从而得到更加稳定和准确的预测结果。
【深度
学习
】华为轻量级神经网络架构GhostNet再升级,GPU上大显身手的G-GhostNet(IJCV22)...
作者丨ZiyangLi编辑丨极市平台导读本文围绕网络部署时面临的内存和资源问题,分享了如何从可视化和大量实验结果中得到Ghost特征的思想。作者设计出相比C-Ghost更适用于GPU等设备的G-Ghost,在实际延迟与性能之间取得了良好的权衡。一、写在前面的话本文针对网络部署时面临的内存和资源有限的问题,提出两种不同的Ghost模块,旨在利用成本低廉的线性运算来生成...
西工大--人工智能程序设计noj--前60道
西工大-人工智能程序设计noj-前60道-2022-秋
北京理工大学
1,656
社区成员
28
社区内容
发帖
与我相关
我的任务
北京理工大学
复制链接
扫一扫
分享
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章