关于 敦化开病例疾病证明书 微电152 9212 8512代nilw 的搜索结果,共1026
雾****士 2018-07-09
DuerOS技能放平台发模版及示
目前DuerOS技能放平台会陆续为发者们提供不同类型的发模版及示码,目前已经提供的模版如下: 问答游戏类技能示码,链接:https://github.com/dueros/bot-sdk-node.js/tree/master/samples/trivia 什么是问答游戏类技能?点击链接了解技能形式及发启示 https://dueros.baidu.com/forum/topic/show/292974 测试类技能示码,链接:https://github.com/dueros/bot-sdk-node.js/tree/master/samples/decision 什么是测试类技能?点击链接了解技能形式及发启示 https://dueros.baidu.com/forum/topic/show/293673 养成类技能示码,链接:https://dueros.baidu.com/forum/topic/show/293685 什么是养成类技能?
h****l 2018-07-09
大数据时下的隐私保护(二)
我们知道李雷的信息,表中有两条对应的数据,但是他们的购买偏好都是子产品。因 为这个敏感属性缺乏多样性,所以尽管是2-anonimity 匿名的数据,我们依然能够获得李雷的敏感信息。 如果我们知道小紫的信息,并且知道她不喜欢购买护肤品,那么从表中,我们仍可以确 认小紫的购买偏好是厨具。 l-diversity(l-多样) 通过上面的子,我们引出了多样的概念。简单来说,在公的数据中,对于那些quasi-identifier 相同的数据中,敏感属性必须具有多样性,这样才能保用户的隐私 不能通过背景知识等方法推测出来。 l-diversity 保了相同类型数据中至少有l 种内容不同的敏感属性。 如在上图的子中,有10 条相同的类型的数据,其中8 条的购买偏好是子产品, 其他两条分别是图和家用器。那么在这个子中,公的数据就满 足3-diversity 的属性。 除了以上介绍的简单l-diversity 的定义,还有其他版本的l-diversity,引入了其他统 计方法。
j****2 2018-07-10
百度大脑放日来袭 24种全新AI能力呈现
在深度学习基础之上,百度大脑通用AI能力放涵盖语音、视觉、自然语言处理、知识图谱等全面AI技术。 语音方向:语音方面推出了语音识别极速版,首次对外放搭载国际领先的注意力(attention)模型的语音能力,拥有更快的响应速度,相对识别准确度提升15%,为发者带来更极致的识别体验。此外,语音识别预置语义解析全新升级,预置场景由35个升级为51个,从影视娱乐到外卖打车,语义解析效果全面提升。另外,还预告了即将推出的几款新产品,包括语音识别自训练平台、远场语音发套件和语音离线合成等产品。 视觉方向:OCR、车辆分析、人脸人体、图像识别都有重磅升级。比如卡OCR新增了户口本、出生医学、港澳通行和台湾通行四类新能力,可识别卡总数达到9种。只需对着你的户口本拍一张照片,系统就能字段进行结构识别,然后反馈出信息页的出生地、出生日期、姓名、民族、与户主关系、性别、身份号码。而票据OCR和汽车场景OCR也分别新增了行程单、保单、通用机打发票、定额发票、车辆VIN码、机动车销售发票、车辆合格等识别能力。
c****2 2018-07-10
个性推荐(一)
文章结构: 背景介绍——效果展示——模型概览——数据准备——训练模型——应用模型——总结——参考文献 本教程源码目录在book/recommender_system,初次使用请您参考Book文档使用说。 背景介绍 在网络技术不断发展和子商务规模不断扩大的背景下,商品数量和种类快速增长,用户需要花费大量时间才能找到自己想买的商品,这就是信息超载问题。为了解决这个难题,个性推荐系统(Recommender System)应运而生。 个性推荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如影、音乐、商和 Feed 流推荐等。个性推荐系统通过分析、挖掘用户行为,发现用户的个性需求与兴趣特点,将用户可能感兴趣的信息或商品推荐给用户。与搜索引擎不同,个性推荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 1994年尼苏达大学推出的GroupLens系统[1]一般被认为是个性推荐系统成为一个相对独立的研究方向的标志。
s****5 2018-07-10
个性推荐(二)
总结 本章介绍了传统的个性推荐系统方法和YouTube的深度神经网络个性推荐系统,并以影推荐为,使用PaddlePaddle训练了一个个性推荐神经网络模型。个性推荐系统几乎涵盖了商系统、社交网络、广告推荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性推荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
TOP