关于 迷香药用后视频【V信;799.196.362】途 的搜索结果,共664
c****2 2018-07-10
个性化推荐(一)
YouTube 个性化推荐系统结构 候选生成网络(Candidate Generation Network) 候选生成网络将推荐问题建模为一个类别数极大的多类分类问题:对于一个Youtube户,使其观看历史(ID)、搜索词记录(search tokens)、人口学息(如地理位置、户登录设备)、二值特征(如性别,是否登录)和连续特征(如户年龄)等,对库中所有进行多分类,得到每一类别的分类结果(即每一个的推荐概率),最终输出概率较高的几百个。 首先,将观看历史及搜索词记录这类历史息,映射为向量取平均值得到定长表示;同时,输入人口学特征以优化新户的推荐效果,并将二值特征和连续特征归一化处理到[0, 1]范围。接下来,将所有特征表示拼接为一个向量,并输入给非线形多层感知器(MLP,详见识别数字教程)处理。最,训练时将MLP的输出给softmax做分类,预测时计算户的综合特征(MLP的输出)与所有的相似度,取得分最高的kk个作为候选生成网络的筛选结果。图2显示了候选生成网络结构。 图2.
d****g 2020-08-31
【FAQ】常见问题梳理,不定期更新,详情请戳此贴~
两个问题,第一,会导致手机发热严重(大概十几分钟严重发热,可以烫来形容,严重时导致手机自动关机),第二,总是提示GPS号弱(纯手机导航不存在此问题,不知道链接车机是不是影响GPS号)
l****m 2018-07-10
词向量(一)
神经网络求词向量之前,传统做法是统计一个词语的共生矩阵XX。XX是一个|V|×|V||V|×|V| 大小的矩阵,XijXij表示在所有语料中,词汇表VV(vocabulary)中第i个词和第j个词同时出现的词数,|V||V|为词汇表的大小。对XX做矩阵分解(如奇异值分解,Singular Value Decomposition [5]),得到的UU即为所有词的词向量: X=USVTX=USVT 但这样的传统做法有很多问题: 由于很多词没有出现,导致矩阵极其稀疏,因此需要对词做额外处理来达到好的矩阵分解效果; 矩阵非常大,维度太高(通常达到106×106106×106的数量级); 需要手动去掉停词(如although, a,...),不然这些繁出现的词也会影响矩阵分解的效果。 基于神经网络的模型不需要计算和存储一个在全语料上统计产生的大表,而是通过学习语义息得到词向量,因此能很好地解决以上问题。在本章里,我们将展示基于神经网络训练词向量的细节,以及如何PaddlePaddle训练一个词向量模型。
h****0 2018-07-09
【 开发指南 】智能家居技能
创建技能 在平台完成配置服务授权(DuerOS与开发者的设备云、App账号等打通) 在开发者的APP里成功登陆并授权账号; 模拟测试 1、在平台右侧对话测试框内,输入“发现设备”,会反馈提示“正在查找设备,需要xx秒” 2、成功发现设备,即可输入控制命令(如:打开灯),来操控绑定的设备; 真机测试 1、进入真机测试页面,点击启 2、在真机设备上登录同一个百度账号 3、通过语音输入“小度小度,打开技能调试模式”进入技能; 4、可以通过“小度小度,发现设备”来更新可控设备列表,通过语音控制指令,测试控制智能家居。 如何发布上线智能家居技能?审核和录制有哪些要求?需要提供哪些资料? 申请上线: 技能开发完成,并通过模拟测试验证,即可填写技能相关息,在平台上申请发布上线; 录制: 技能提交申请上线,DuerOS会进行技能的审核。 为了尽快通过审核,请录制设备控制,内容需包含主控和所有被控设备,需要可以成功控制被控设备的相关功能项。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
特征抽取,就是建立一个网格,每一个网格提取的息对应一个值,每一个网格都有一个特征,拼接形成一张图;点云聚类,是的网格做结果预测;处理,是由于预测不准,对障碍物的判断会存在误差,所以要通过处理来精确障碍物。闭包提取,是据朝向补全障碍物的形状。 障碍物跟踪。与障碍物检测相结合,检测结果和历史障碍物进行息匹配,得出新障碍物列表。并且输出下一帧以什么速度怎样行驶,得出列表。 觉感知。Apollo 之前版本的觉感知数据,主要是红绿灯的数据。已发布的0 同时开放红绿灯检测和识别算法,可以作为觉感知的典型代表。 红绿灯识别。是根据当前车的位置查找高精地图,判断前方是否有红绿灯。如果有,高精地图会返回红绿灯的物理位置,同时采集图像。如果并排很多灯,需要准确判断影响决策的灯。
TOP