Learning
Q-learning演算法
一、Q-learning演算法介紹 Q-learning是一種基於動態規劃的強化學習演算法。該演算法通過學習一個Q值表（Q table）來找到最佳的行動策略。在Q表中，每一行代表一個狀態…
PU Learning：一個強大的半監督學習演算法
一、PU Learning簡介 PU Learning（Positive and Unlabeled Learning）是一個非常強大的半監督學習演算法，旨在解決傳統監督學習中的標籤…
Federated Learning: 解釋和示例
一、什麼是Federated Learning Federated Learning是一種機器學習技術，它的目標是讓多個設備或用戶在不向中心伺服器上傳他們的原始數據的情況下，通過共…
Life-long Learning
一、什麼是Life-long Learning 只要有意識地持續地學習、自我提升，我們就能夠在實現自我價值的同時，適應不斷變化的社會環境和市場需求，積極擁抱變化，保持競爭力，這就是…
深入探究Learning Rate
在神經網路中，Learning Rate（學習率）是指每次訓練時，模型更新參數時的步長，也就是每一次參數更新的幅度。如何設定好學習率，是一個關鍵而困難的問題。在本文中，我們將從多個…
深度Q學習（Deep Q-Learning）
一、什麼是深度Q學習 深度Q學習（Deep Q-Learning）是一種使用神經網路對Q-learning演算法進行擴展的移動機器人領域中常用的強化學習演算法。它通過神經網路來表達Q值…
極限學習機（Extreme Learning Machine）
一、介紹 極限學習機（Extreme Learning Machine，簡稱ELM）是一種單隱層前饋神經網路的機器學習演算法，由黃廣州教授於2006年提出。相對於傳統的神經網路演算法，…
One Shot Learning
一、簡介 One Shot Learning，又稱為單張學習，是指從非常少的樣本中獲取知識進行分類或識別的技術。 傳統的機器學習方法通常需要大量的數據進行訓練，但在現實生活中，獲得…
Life Long Learning – 持續學習的重要性
在現今快速發展的科技領域中，學習變得越來越重要。現在的技術更新迅速，許多技能和知識在很短時間內就會變得過時和沒用。而且，許多新技術和新知識也在不斷湧現。因此，持續學習成為我們不可或…
Prototypical Network在Few-shot Learning上的應用
近年來，Few-shot Learning 已經成為了機器學習領域的熱門方向之一。在Few-shot Learning中，模型需要在極小的訓練數據量中學習並完成分類任務。傳統的機器…
