Learning
-
Q-learning算法
一、Q-learning算法介绍 Q-learning是一种基于动态规划的强化学习算法。该算法通过学习一个Q值表（Q table）来找到最佳的行动策略。在Q表中，每一行代表一个状态…
-
PU Learning：一个强大的半监督学习算法
一、PU Learning简介 PU Learning（Positive and Unlabeled Learning）是一个非常强大的半监督学习算法，旨在解决传统监督学习中的标签…
-
Federated Learning: 解释和示例
一、什么是Federated Learning Federated Learning是一种机器学习技术，它的目标是让多个设备或用户在不向中心服务器上传他们的原始数据的情况下，通过共…
-
Life-long Learning
一、什么是Life-long Learning 只要有意识地持续地学习、自我提升，我们就能够在实现自我价值的同时，适应不断变化的社会环境和市场需求，积极拥抱变化，保持竞争力，这就是…
-
深入探究Learning Rate
在神经网络中，Learning Rate（学习率）是指每次训练时，模型更新参数时的步长，也就是每一次参数更新的幅度。如何设定好学习率，是一个关键而困难的问题。在本文中，我们将从多个…
-
深度Q学习（Deep Q-Learning）
一、什么是深度Q学习 深度Q学习（Deep Q-Learning）是一种使用神经网络对Q-learning算法进行扩展的移动机器人领域中常用的强化学习算法。它通过神经网络来表达Q值…
-
极限学习机（Extreme Learning Machine）
一、介绍 极限学习机（Extreme Learning Machine，简称ELM）是一种单隐层前馈神经网络的机器学习算法，由黄广州教授于2006年提出。相对于传统的神经网络算法，…
-
One Shot Learning
一、简介 One Shot Learning，又称为单张学习，是指从非常少的样本中获取知识进行分类或识别的技术。 传统的机器学习方法通常需要大量的数据进行训练，但在现实生活中，获得…
-
Life Long Learning – 持续学习的重要性
在现今快速发展的科技领域中，学习变得越来越重要。现在的技术更新迅速，许多技能和知识在很短时间内就会变得过时和没用。而且，许多新技术和新知识也在不断涌现。因此，持续学习成为我们不可或…
-
Prototypical Network在Few-shot Learning上的应用
近年来，Few-shot Learning 已经成为了机器学习领域的热门方向之一。在Few-shot Learning中，模型需要在极小的训练数据量中学习并完成分类任务。传统的机器…