计量和仪器
3310 articles
- 优化神经网络性能:从理论到部署
- 评估深层学习模式绩效的定量方法
- 如何量化模型精确度:深层学习应用中的计量和计算
- 设计低纬度应用神经网络架构
- 评价深层学习模式:计量、计算和解释
- 数据增强战略:计算和实际实施
- 实境案例研究:在有性能计量的自主车辆中部署深层学习
- 理解丢失函数:如何选择和计算您的应用程序的正确度量
- 异常检测:计算和部署战略的实际世界实例
- 计算分组计量:无监督学习评价的实用方法
- 评价分组结果:调整后兰德指数和实际执行情况
- 分析传感器数据:发现错误的实用无监督学习方法
- 计算聚效率的硅声计分
- 为监督分类任务计算和解释 Roc 和 Auc 计量
- 计算用于评价监督分类器的混凝土矩阵计量
- 如何计算监督学习中的预测准确度和误差计量
- 机器学习中的错误计量:如何选择和计算右侧丢失函数
- 评价机器学习模式:统计方法和现实世界业绩计量
- 超参数图解的实用方法:平衡效率和准确性
- 如何计算和解释精确、回顾和F1 在实践中的得分
- 实施交叉认证:最佳做法和现实世界使用案例
- 使用网格搜索和随机搜索的超参数调制实用指南
- 如何进行交叉验证:计算和最佳做法
- 如何优化超参数:计算和最佳做法
- 评价分类器性能: 迷惑性母体、精度、召回和超能力
- 衍生的混沌矩阵计量:实用评价的精度、回顾和F1分数
- 设计自定义排序算法用于专用硬件
- 探测和纠正算术学瓶子体的实用方法
- 平衡算法准确性和性能:工程师实用准则
- 分析算法可扩展性:绩效评价实用方法