学AI之路,从探索特征出发被引量：3

The way to learn AI,starting from exploring features

下载PDF

导出

摘要 AI机器学习的基础活动之一就是提取特征。本文藉由举例和比喻来领悟特征的涵意,以及理解特征提取的方法和目的。而且,从人为的特征提取,开始思考由AI机器自动提取特征的途径,迈向深度学习之路。

作者高焕堂

机构地区台湾VR产业联盟厦门VR/AR协会

出处《电子产品世界》 2019年第11期81-84,共4页 Electronic Engineering & Product World

关键词深度学习机器学习特征提取 AI 提取特征方法和目的

同被引文献3

1陈思和.名人读意林[J].意林,2019,0(20):3-3.
2陈德海,潘韦驰,马原,黄艳国.非线性激活的聚合残差神经网络汽车胎纹识别[J].江西理工大学学报,2019,40(5):80-85. 被引量：2
3王星,李超,陈吉.基于膨胀卷积神经网络模型的中文分词方法[J].中文信息学报,2019,33(9):24-30. 被引量：20
4任水利,甘旭升,丁黎颖,杨国洲.基于核Fisher鉴别分析的RVM战斗机空战效能评估[J].火力与指挥控制,2019,44(10):143-147. 被引量：3
5彭玉青,王纬华,刘璇,赵晓松,魏铭.基于深度学习与Dense SIFT融合的人脸表情识别[J].中国科学技术大学学报,2019,49(2):105-111. 被引量：6
6李青彦,彭进业.基于多尺度词典空间金字塔特征的主成分降维图像分类算法[J].微处理机,2019,40(5):34-37. 被引量：1
7易士翔,尹宏鹏,郑恒毅.基于BiLSTM的公共安全事件触发词识别[J].工程科学学报,2019,41(9):1201-1207. 被引量：7
8张荣涛,焦斌,李彬彬.一种新的轴承故障诊断方法[J].上海电机学院学报,2019,22(5):270-275. 被引量：1
9罗继辉,黄国勇.基于广义S变换和深度置信网络的单向阀故障诊断[J].电子测量与仪器学报,2019,31(9):192-198. 被引量：8
10刘佳翰,陈克绪,马建,徐春华,吴建华.基于卷积神经网络和随机森林的三相电压暂降分类[J].电力系统保护与控制,2019,47(20):112-118. 被引量：32

电子产品世界

2019年第11期

内容加载中请稍等...