- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 5-9 使用sklearn解决回归问题
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现多元线性回归和kNN回归。
93920发布于 2019-11-13 - 来自专栏JNing的专栏
【tensorflow】TFRecord读写机理
1.tfrecord，写的时候是一行一行地写的，读的时候是每batch个行地读的。
81910发布于 2020-03-17 - 来自专栏石云升
人生九段算法：用算法经营自己的人生（5-9段）
如果把个人比作一家公司。那么你自己就是这家公司的CEO。对个体而言，最重要的增长不在于工资，而在于能力的提升和个人网络的建立，以及未来赚钱的能力。
75720编辑于 2022-08-25 - 来自专栏Golang语言社区
channel机理及调度理解
《Go语言编程》一书介绍了libtask库，可以认为这个库等同于go的底层goroutine实现。
48130发布于 2018-07-26 - 来自专栏Golang语言社区
channel机理及调度理解
当当 广告
56930发布于 2018-07-26 - 来自专栏明星分子
■ 【TargetMol 明星分子】- Z944: 精准阻断T型钙通道，揭示神经兴奋性调控新机理
脑片实验中，1μMZ944显著提高两种基因型的爆发风门电流阈值，并将Cntnap2−/−神经元降低的阈值恢复至与野生型相当的水平，同时逆转了Cntnap2−/−神经元在90pA去极化电流注入下的动作电位数量增加 在三叉神经节神经元中，Z944孵育使T型电流降低约80%，表明其对低阈值激活钙电流具有显著抑制作用。 细胞与行为层面的结果共同显示，Z944在三叉神经节神经元中强力抑制T型钙电流，并在系统给药且先于CGRP刺激时，阻断CGRP诱导的伤害相关行为表现。 未来研究可进一步探讨其在神经疾病中病理性簇放和异常Ca2+信号的治疗潜力，以及与遗传学手段结合，深入揭示T型通道在神经回路动力学中的作用。■4.Q&AQ1:Z944的主要作用靶点和机制是什么？ Q2:研究显示Z944如何影响病理性神经活动和行为？
8300编辑于 2026-09-24 - 来自专栏网络信息安全
熊猫烧香（中）病毒释放机理
熊猫烧香（中）病毒释放机理 1、sub_40277C子函数 2、sub_405684子函数 3、sub_403ED4子函数 4、sub_4057A4子函数 5.分析sub_4057A4后续删除功能 6.
1K10编辑于 2024-03-12 - 来自专栏AustinDatabases
PostgresQL MVCC 机理与 还得学习
昨天写了些 MYSQL MVCC ，今天就的搞搞 PostgresQL 的MVCC ，最近从某些网站上获得的信息，PostgresQL的 相关人员的需求量在国内开始增加，但和需求相比，会的人少，所以你懂得。
93530发布于 2019-09-05 方法论|机理分析法
为什么需要机理分析法 在现实生活中，影响一个问题的因素往往不止一个，分析问题时就需要从不同方向考虑，所以就引入了机理分析法 算法分析过程和应用步骤： 首先分析现象和结果的影响因素；然后在合理的假设条件下做出各种因素与现象和结果的关系 结语 在运用机理分析法时需要考虑各个因素，对于不同的因素可能需要不同的思考方式，最后得出结果时，还要结合实际情况验证分析的正确性。 END
1.5K20发布于 2019-10-14- 来自专栏贾维斯Echo的博客
计算机理论基础
1.操作系统：就是一个协调、管理、控制计算机硬件资源与应用软件资源的一个控制程序
77530编辑于 2023-10-18 - 来自专栏量子位
人脑认“4”不认“5”！四大天王F4都是“4”有科学依据了（doge）｜Nature
德国波恩大学医学中心的研究人员通过观测单个神经元的活动，发现大脑认数量“1-4”和认“5-9”所用系统不同，边界就是“4”。 具体来说，神经元处理数量1-4时，用的是特定神经元；而处理5-9，反应不特定，会受相邻数字干扰。 举个栗子：偏好3的神经元只会对3反应，而喜欢8的神经元会对8做出反应，但也会对7和9做出反应。 在患者们进行监测手术时，微电极记录下了801个单个神经元的活动。这些神经元来自大脑的四个区域：杏仁核、海马体、腹内侧颞叶和腹外侧颞叶。 而对神经元响应的分析，进一步确定了行为结果的准确性。 小数子化系统&大数估算系统 在单个神经元层面，研究者也观察到类似的编码模式。 他们在四个记录脑区都找到了对非符号化数量有选择性响应的神经元，这些选择性神经元覆盖了0-9完整数量范围。 不同脑区选择性神经元的比例在15.1%左右，显著高于随机水平。
48620编辑于 2023-10-18 - 来自专栏机器之心
比标准Attention提速5-9倍，大模型都在用的FlashAttention v2来了
近来，几种长上下文语言模型陆续问世，包括 GPT-4（上下文长度为 32k）、MosaicML 的 MPT（上下文长度为 65k）Anthropic 的 Claude（上下文长度为 100k）。长文档查询和故事写作等新兴用例已经表明扩展语言模型上下文窗口是非常必要的。
2K50编辑于 2023-08-08 - 来自专栏机器之心
机器学习模型以出色的精度进行有机反应机理分类
近日，来自英国曼彻斯特大学（UoM）化学系的 Burés 和 Larrosa 报告了一种机器学习模型，展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别，而无需任何额外的用户输入 该模型以出色的精度识别各种类型的机理。 研究结果表明，人工智能引导的机理分类是一种强大的新工具，可以简化和自动化机理阐明。预计这项工作将进一步推动全自动有机反应发现和开发的发展。 模型包含 576,000 个可训练参数，并结合使用两种类型的神经网络：(1) 长短期记忆神经网络，一种用于处理时间数据序列（即时间浓度数据）的循环神经网络；(2) 全连接神经网络，用于处理非时间数据（即每次动力学运行中催化剂的初始浓度和长短期记忆提取的特征 预测的机理与早期动力学研究的结论非常吻合。在某些情况下，该模型还识别了在原始工作中没有检测到的机理细节。对于一个具有挑战性的反应，该模型提出了三个非常相似的机理类别。 参考内容：https://www.nature.com/articles/d41586-023-00145-7 人工智能 × [ 生物 神经科学 数学 物理 材料 ] 「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展
84630编辑于 2023-03-29 - 来自专栏深度学习自然语言处理
机器学习之多层感知机理论与实践
我们将要介绍多层感知机神经网络以及反向传播算法，这是现今最流行的神经网络结构。 这个算法就是在算delta，这是从输出神经元开始往回直到输入层的每个神经元的局部梯度下降。要计算输出神经元的delta，我们首先要得到每个输出神经元的误差。 现在可以计算delta了， 这个式子是对于在输出层L的第j个神经元 是输出层L的第j个神经元的值的求导所得的值。 这个式子是对于隐藏层l的第j个神经元。 通过反向传递求导的值，前面的神经元就会知道权重要变化多少以更好地让神经网络的输出符合实际的输出。这一切都要从神经网络的输出与实际输出的差别开始算起。是不是很神奇呢？ 此外，你还可以输入一个‘fileNum'来调用这个神经网络，看下神经网络对你给的图片上的数字的判断是什么。 神经网络把隐藏层的层数和隐藏层的神经元数作为参数来初始化神经元和权重向量。
1.8K40发布于 2018-04-24 - 来自专栏AustinDatabases
MYSQL MVCC 实现机理 与 知识漏洞要补
说来惭愧，被友人问了一些关于MYSQL 的问题，虽然算不上对答如流，但也算是沉稳应对。唯独折在 MVCC 中MYSQL INNODB 是如何实现的问题上，回答错误扣10分。本着知错能改，有漏洞要补的，精神。还是的把MVCC 以及MYSQL 怎么实现MVCC 的事情重新的学习一遍。
1.1K30发布于 2019-09-04 - 来自专栏深度学习自然语言处理
详解机器学习之感知机理论与实践
阅读大概需要5分钟 上期回顾 详解机器学习之the Learning Problem 导读 本章讲的是让他机器学习说yes/no，目录分为： 感知机假设集合 感知机学习算法(PLA) 确保数据集线性
1.1K120发布于 2018-04-16 - 来自专栏CreateAMind
阿尔兹海默症可能的机理
阿尔兹海默症可能的机理 Possible mechanisms of Alzheimer's disease Fig.1 Cerebral artery, from Gray's Atlas of 蒲慕明团队发现海马体内的神经元可以将长时程抑制（Long-term depression，LTD）可塑性自组织地传播到三个方向，分别是突触前侧向传播（Presynaptic lateral spread 陶俊波，博士在读，研究兴趣是计算神经科学、脑科学和AI融合的计算模型。
51710编辑于 2023-12-14 - 来自专栏企鹅号快讯
机器学习模型与传统机理模型的融合
基于物理过程的各种数学模型在水力、市政、海洋等领域已经得到了很多年的发展和应用，随着这几年机器学习技术的大热，也有越来越多的人尝试将机器学习技术应用在水力、市政领域，但是这些尝试大部分集中在使用机器学习模型替代传统机理模型 那么以后的趋势会是机器学习模型替代机理模型，或是各自应用在不同领域？
4.1K71发布于 2018-02-26 - 来自专栏DrugAI
. | 利用神经网络势预测环化反应路径的选择性
DRUGONE 反应机理搜索工具能够揭示反应体系中可能的产物与限速步骤。然而，包含多键协同变化的复杂反应（如天然产物合成中的关键环化步骤）常使机理探索变得困难。 核心环节是利用神经网络势（Neural Network Potential, NNP）AIMNet2-rxn 对每个候选反应路径进行能量评估。 计算化学的快速发展使研究人员能够通过机理建模深入理解化学反应的本质。机理搜索算法可基于初始反应物构建反应网络，预测可行的中间体与反应路径。 为克服计算瓶颈，研究人员引入了神经网络势（NNP）作为DFT的替代方案。NNP通过机器学习近似原子间相互作用，可在保持接近DFT精度的同时极大降低计算成本。 讨论 研究人员提出的REVAMP框架展示了基于神经网络势与图枚举结合的反应机理自动化搜索新范式。
39720编辑于 2026-01-06 - 来自专栏微生态与微进化
Nature microbiology：解析细菌异质性耐药的机理
异质性耐药的机理是什么，这背后又有怎样的生态与进化规律？这篇文章通过一系列详细的证据链进行了回答。 Salmonella enterica）、克雷伯氏肺炎杆菌（Klebsiella pneumoniae）以及不动杆菌（Acinetobacter baumannii），研究其对28种不同的抗生素的异质耐药性及其机理 而且，与可遗传的耐药性不同，异质耐药性的机理仍然是未知的，导致这种现象经常不被接受。 结果讨论 1. 测定异质耐药性频率及其遗传机理的方法图解 如图2所示，一共进行了997组实验，其中231组表现出完全耐药性，剩余的766组进行异质性耐药的检测，其中11.4%被确认具有异质性耐药，8.1%无法排除嫌疑。
4.7K40编辑于 2022-05-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号