热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

人工智能之机器学习算法体系汇总

人工智能之机器学习算法体系汇总

  • 监督学习 Supervised learning

  • 人工神经网络 Artificial neural network

  • 自动编码器 Autoencoder

  • 反向传播 Backpropagation

  • 玻尔兹曼机 Boltzmann machine

  • 卷积神经网络 Convolutional neural network

  • Hopfield网络 Hopfield network

  • 多层感知器 Multilayer perceptron

  • 径向基函数网络(RBFN) Radial basis function network(RBFN)

  • 受限玻尔兹曼机 Restricted Boltzmann machine

  • 回归神经网络(RNN) Recurrent neural network(RNN)

  • 自组织映射(SOM) Self-organizing map(SOM)

  • 尖峰神经网络 Spiking neural network


  • 贝叶斯 Bayesian

  • 朴素贝叶斯 Naive Bayes

  • 高斯贝叶斯 Gaussian Naive Bayes

  • 多项朴素贝叶斯 Multinomial Naive Bayes

  • 平均一依赖性评估(AODE) Averaged One-Dependence Estimators(AODE)

  • 贝叶斯信念网络(BNN) Bayesian Belief Network(BBN)

  • 贝叶斯网络(BN) Bayesian Network(BN)


  • 决策树 Decision Tree

  • 分类和回归树(CART) Classification and regression tree (CART)

  • 迭代Dichotomiser 3(ID3) Iterative Dichotomiser 3(ID3)

  • C4.5算法 C4.5 algorithm

  • C5.0算法 C5.0 algorithm

  • 卡方自动交互检测(CHAID) Chi-squared Automatic Interaction Detection(CHAID)

  • 决策残端 Decision stump

  • ID3算法 ID3 algorithm

  • 随机森林 Random forest

  • SLIQ


  • 线性分类 Linear classifier

  • Fisher的线性判别 Fisher's linear discriminant

  • 线性回归 Linear regression

  • Logistic回归 Logistic regression

  • 多项Logistic回归 Multinomial logistic regression

  • 朴素贝叶斯分类器 Naive Bayes classifier

  • 感知 Perceptron

  • 支持向量机 Support vector machine


  • 无监督学习 Unsupervised learning

  • 人工神经网络 Artificial neural network

  • 对抗生成网络

  • 前馈神经网络 Feedforward neurral network

           极端学习机 Extreme learning machine

  • 逻辑学习机 Logic learning machine

  • 自组织映射 Self-organizing map


  • 关联规则学习 Association rule learning

  • 先验算法 Apriori algorithm

  • Eclat算法 Eclat algorithm

  • FP-growth算法 FP-growth algorithm


  • 分层聚类 Hierarchical clustering

  • 单连锁聚类 Single-linkage clustering

  • 概念聚类 Conceptual clustering


  • 聚类分析 Cluster analysis

  • BIRCH

  • DBSCAN

  • 期望最大化(EM) Expectation-maximization(EM)

  • 模糊聚类 Fuzzy clustering

  • K-means算法 K-means algorithm

  • k-均值聚类 K-means clustering

  • k-位数 K-medians

  • 平均移 Mean-shift

  • OPTICS算法 OPTICS algorithm


  • 异常检测 Anomaly detection

  • k-最近邻算法(K-NN) k-nearest neighbors classification(K-NN)

  • 局部异常因子 Local outlier factor


  • 半监督学习 Semi-supervised learning

  • 生成模型 Generative models

  • 低密度分离 Low-density separation

  • 基于图形的方法 Graph-based methods

  • 联合训练 Co-training


  • 强化学习 Reinforcement learning

  • 时间差分学习 Temporal difference learning

  • Q学习 Q-learning

  • 学习自动 Learning Automata

  • 状态-行动-回馈-状态-行动(SARSA) State-Action-Reward-State-Action(SARSA)


  • 深度学习 Deep learning

  • 深度信念网络 Deep belief machines

  • 深度卷积神经网络 Deep Convolutional neural networks

  • 深度递归神经网络 Deep Recurrent neural networks

  • 分层时间记忆 Hierarchical temporal memory

  • 深度玻尔兹曼机(DBM) Deep Boltzmann Machine(DBM)

  • 堆叠自动编码器 Stacked Boltzmann Machine

  • 生成式对抗网络 Generative adversarial networks


  • 迁移学习 Transfer learning

  • 传递式迁移学习 Transitive Transfer Learning


  • 其他

  • 集成学习算法

  • Bootstrap aggregating (Bagging)

  • AdaBoost

  • 梯度提升机(GBM) Gradient boosting machine(GBM)

  • 梯度提升决策树(GBRT) Gradient boosted decision tree(GBRT)


  • 降维

  • 主成分分析(PCA) Principal component analysis(PCA)

  • 主成分回归(PCR) Principal component regression(PCR)

  • 因子分析 Factor analysis



推荐阅读
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • IjustinheritedsomewebpageswhichusesMooTools.IneverusedMooTools.NowIneedtoaddsomef ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 推荐系统遇上深度学习(十七)详解推荐系统中的常用评测指标
    原创:石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值, ... [详细]
  • Python正则表达式学习记录及常用方法
    本文记录了学习Python正则表达式的过程,介绍了re模块的常用方法re.search,并解释了rawstring的作用。正则表达式是一种方便检查字符串匹配模式的工具,通过本文的学习可以掌握Python中使用正则表达式的基本方法。 ... [详细]
  • 也就是|小窗_卷积的特征提取与参数计算
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了卷积的特征提取与参数计算相关的知识,希望对你有一定的参考价值。Dense和Conv2D根本区别在于,Den ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 深度学习中的Vision Transformer (ViT)详解
    本文详细介绍了深度学习中的Vision Transformer (ViT)方法。首先介绍了相关工作和ViT的基本原理,包括图像块嵌入、可学习的嵌入、位置嵌入和Transformer编码器等。接着讨论了ViT的张量维度变化、归纳偏置与混合架构、微调及更高分辨率等方面。最后给出了实验结果和相关代码的链接。本文的研究表明,对于CV任务,直接应用纯Transformer架构于图像块序列是可行的,无需依赖于卷积网络。 ... [详细]
  • 本文介绍了腾讯最近开源的BERT推理模型TurboTransformers,该模型在推理速度上比PyTorch快1~4倍。TurboTransformers采用了分层设计的思想,通过简化问题和加速开发,实现了快速推理能力。同时,文章还探讨了PyTorch在中间层延迟和深度神经网络中存在的问题,并提出了合并计算的解决方案。 ... [详细]
  • 本文介绍了使用哈夫曼树实现文件压缩和解压的方法。首先对数据结构课程设计中的代码进行了分析,包括使用时间调用、常量定义和统计文件中各个字符时相关的结构体。然后讨论了哈夫曼树的实现原理和算法。最后介绍了文件压缩和解压的具体步骤,包括字符统计、构建哈夫曼树、生成编码表、编码和解码过程。通过实例演示了文件压缩和解压的效果。本文的内容对于理解哈夫曼树的实现原理和应用具有一定的参考价值。 ... [详细]
  • 2016 linux发行版排行_灵越7590 安装 linux (manjarognome)
    RT之前做了一次灵越7590黑苹果炒作业的文章,希望能够分享给更多不想折腾的人。kawauso:教你如何给灵越7590黑苹果抄作业​zhuanlan.z ... [详细]
  • 本文介绍了Python语言程序设计中文件和数据格式化的操作,包括使用np.savetext保存文本文件,对文本文件和二进制文件进行统一的操作步骤,以及使用Numpy模块进行数据可视化编程的指南。同时还提供了一些关于Python的测试题。 ... [详细]
author-avatar
木维韵_538
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有