深度学习

欠拟合学习AI的心得：探索智能时代的奥秘在科技飞速发展的今天，人工智能（AI）如同一颗璀璨的新星，照亮了各个领域的前行道路。怀揣着对未来的好奇与憧憬，我踏上了学习AI的征程

Q学习国庆闲暇之余，买了一本书来看，里面提到了怎么用Qlearning的强化学习方法来优化资产配置。这里给大家分享一下。1、什么是Qlearning？这里我用自己的理解和语言

知识蒸馏（Knowledge Distillation, KD）是一种模型压缩技术，主要用于深度学习领域。

什么是“反向传播（Backpropagation）”？反向传播是神经网络用来“从错误中学习”的核心算法。

本文是关于数据增强的文献综述，对数据增强方面进行探讨，目的是通过它实现数据更复杂的表征，从而减小验证集和训练集以及最终测试集的差距，让网络更好地学习迁移数据集上的数据分布。

视频生文报名时间：即日起至2025年9月27日x0dx0a项目持续时间：2025年9月29日~10月13日（10月1日~8日休假）

从零开始拿到损失函数！

为解决现存大部分的多视角任务学习模型不能快速学习新任务的问题，中国科学院沈阳自动化研究所机器人学研究室科研团队提出了一种连续多视角任务学习算法，可使机器人“更快”地认知世界。

在机器学习（ML）的广阔领域中，监督学习、无监督学习和强化学习构成了三大核心范式，定义了不同类型学习问题的框架

近来的研究成果表明：准确的反向传播的权重对学习深度表征而言并不是必需的。随机反向传播使用了随机的权重来替换反馈的权重并鼓励该网络调整其前馈权重，从而学习该（随机）反馈权重的伪逆。