深度学习
深度学习
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

热点

互联网服务大数据·2018-10-16
sxtycxx · 人工智能(计算机视觉) 擅长领域:存储, 灾备, 服务器
519 会员关注
1、精准营销需要在构建用户画像和商品的画像的基础上,实现智能的推荐,推荐又分为基于用户画像(购买行为类似的用户商品推荐)和商品画像(购买商品相似度推荐)相结合实现精准的营销;2、要建立用户画像,首先需要梳理画像的特征值(也就是多维度的数据信息),基础上给用户进行打标签(和实际...
人工智能·2018-09-06
ZHOULEON · IBM 擅长领域:存储, 服务器, 人工智能
2 会员关注
一、人工智能在金融行业的应用机会近些年随着互联网对各行业的改造(或者说数字化转型),传统金融机构受到很大冲击。但是,大数据分析和人工智能等新技术的发展,也使得金融行业客户能够重获逆袭的可能。因为,对于金融行业来说,在过去几十年的发展中沉淀了巨量的可信数据,比如各类交...(more)
浏览5667
人工智能·2018-09-05
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
当前科技金融已经深入到多个业务领域,如量化交易、智能投顾、精准营销、智能客服等,在这些应用中,智能投顾又首当其冲,在财富管理中崭露头角。智能投顾英文名称为robo-advisor,是指网络虚拟人工智能产品基于客户自身的理财需求、资产状况、风险承受能力、风险偏好等因素,运用现...(more)
浏览5997
评论1
银行技术对比·2018-01-30
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
无标题.png深度学习与传统机器学习最大的不同是更关注于样本训练的深度,更细力度地抽取特征用于描述样本,而非简单地形成向量数据,从而更好地进行分类预测。更细致地抽取意味着计算量的增大,但是随着大数据技术和GPU等硬件技术的发展,这些巨大的计算量也变得可能。...
人工智能·2018-01-29
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
收藏3
评价7
金币1
互联网服务量化交易·2018-01-26
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
量化交易改变了传统交易模式,通过规则模型将交易过程数字化,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,减少了投资者情绪波动的影响,利用计算机实现交易自动化。量化交易与传统交易的关键点在于是否有个健全的计算机模型,代替人脑去...
证券证券深度学习平台·2018-01-26
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
这个没有标准答案,还是要看您怎么看待这些影响因子的,所以说模型很难建立,每个人心中的模型也可能是不一样的。如果是我的话我会将政策划分等级,比如1到5,每个等级有个评判标准,这样,就可以对政策的颁布信息进行量化了,美国市场加息政策也是如此,为什么我们会提到美国加息,就是因为...
人工智能·2017-10-10
该来的总会来 · 华润 擅长领域:大数据, 分布式系统, 服务器
119 会员关注
一年一度的,Gartner又发布了它的10大技术趋势。这次是对2018年的预测。作为在技术分析领域最权威的机构之一,了解Gartner是如何看待技术发展趋势的,对我们每个人都至关重要。我们也就废话不多说,先上这张官方的图来给大家看一下总结。微信图片_20171010135821.jpgIntelligent...(more)
浏览4526

描述

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
X社区推广
  • 提问题