关于 有谁做过鑫光芒全自动推广价格 鑫光芒网络推广σ&s 的搜索结果,共1343
c****2 2018-07-10
个性化荐(一)
传统的个性化荐系统方法主要: 协同荐(Collaborative Filtering Recommendation):该方法是应用最广泛的技术之一,需要收集和分析用户的历史行为、活和偏好。它通常可以分为两个子类:基于用户 (User-Based)的荐[1] 和基于物品(Item-Based)的荐[2]。该方法的一个关键优势是它不依赖于机器去分析物品的内容特征,因此它无需理解物品本身也能够准确地荐诸如电影之类的复杂物品;缺点是对于没任何行为的新用户存在冷启的问题,同时也存在用户与商品之间的交互数据不够多造成的稀疏问题。值得一提的是,社交[3]或地理位置等上下文信息都可以结合到协同滤中去。 基于内容荐[4](Content-based Filtering Recommendation):该方法利用商品的内容描述,抽象出意义的特征,通计算用户的兴趣和商品描述之间的相似度,来给用户荐。
s****5 2018-07-10
个性化荐(二)
其中, params_dirname是之前用来存放训练程中的各个参数的地址。 place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace() exe = fluid.Executor(place) inference_scope = fluid.core.Scope() 测试 现在我们可以进行预测了。我们要提供的feed_order应该和训练程一致。 总结 本章介绍了传统的个性化荐系统方法和YouTube的深度神经个性化荐系统,并以电影荐为例,使用PaddlePaddle训练了一个个性化荐神经模型。个性化荐系统几乎涵盖了电商系统、社交广荐、搜索引擎等领域的方方面面,而在图像处理、然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性化荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc.
s****7 2018-07-10
见微知著看技术误解——从裸纤和NTPD谈起
一、裸纤的故事 前几天和朋友聊天,谈到一根裸纤可以分波分多大的问题。 几个业内好友都明确说一根裸纤最多跑10G带宽,而于老板明确表示裸纤任何一个波分(或者不波分)都可以跑100G以上。 后来我和于老板深究原因,不可能几个朋友都骗我或者都蠢,很可能前些年纤波分机己只能甩出10G口,或运营商租纤套餐里只10G规,给大家造成了裸纤只能跑10G带宽的印象。同样固的印象是纤必须从运营商那里租,而且很贵还必须买波分设备等等;其实现在企业专线的市场竞争很充分,拉同城裸纤一公里也就小几百块钱,而且短距离裸纤也不值得上波分设备,直接对接模块即可。 二、NTD是试金石 我对裸纤是门外汉,但同样的技术误解让我想到了NTP,我一直拿ntpd和ntpdate当初中级系统工程师的试金石,分不清就月薪五千,分得清就八千以上(2014年市)。但很多货真实的IT专家也在此事上跌倒,我也希望通聊清楚一层误会,说明高级工程师该少迷信多思考。 NTP是时间协议,它是多项传输、计算、加密技术的核心参数。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
这么看来,百度高精度地图的数据采集目前还并未涉及到其他的采集方式,例如步采背包以及无人机,是否会在这方面所调整呢? (图片来源于) 目前百度的高精度地图以满足L3级别驾驶的要求为标准,所以采集的道路场景以高速公路为主。采集车队总量达280台,其中具备高精度地图采集能力的车辆约40多台,单车设备成本在100万人民币左右,化处理程度可以超 90%。 地图的数据管理与更新问题 关于地图数据的管理,驾驶领域专家刘少山等专家表示,无人车使用的高精地图是2D,数据主要由激雷达提供。 由于激雷达的精度大约是5厘米,所以地图的最高精度可以达到每个5×5厘米,在如此高倍的精度下,如何效管理数据是很“麻烦”的一件事儿。 一般情况下,激雷达可覆盖方圆100米范围,假设每个反强度可以用一个字节记录,那么每次激雷达扫描后就可产生4MB数据。 但是这种扫描会涵盖公路旁边的树木及房屋等,实际上无人车行驶并不需要这些,只需记录公路表面的数据,数据滤就成为关键一步。 滤数据中,通常可以使用无损压缩算法,例如LASzip,望达到超10倍的压缩率。
y****n 2018-07-09
Apollo 驾驶感知技术分享
感知属于驾驶核心技术,我们可以将汽车上的感知与人类感官进行一个类比:人感知,通感官器官获取外界信息,传达感知功能区,把形象化的东西抽象成概念性或者更高层的语义,供我们思维记忆、学习、思考或者决策,让我们运控制功能区,让我们身体对外界进行反馈。无人车类似这样的结构,这是强相关的东西,我们无人车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队的其中一台,它传感器、雷达、摄像头,这是覆盖比较面的设置,包括视觉、触觉、嗅觉等信息。它需要大脑处理,大脑是无人车里的感知功能模块。 由于感知范围是广泛的,它依赖于人工驾驶或者驾驶需要的环境匹配,工况复杂度越高,感知复杂度越高。驾驶不同级别里,感知的复杂度也不同。Apollo 目前开放的定位是 Level3 或者 Level4,感知、决策、控制是三位一体的程。 感知与传感器系统紧密结合,获取外部环境信息,比如障碍物,障碍物的距离、速度等,把数据交给感知处理模块,我们会收集信息,构成人开车时理解的环境。 这些信息会被我们决策模块进行分析和提取,在周围环境车辆行驶状况下,下一步怎么走才是安的。
TOP