机器学习是一个源于数据的模型的训练过程,最终给出一个面向某种性能度量的决策.深度学习是机 器学习研究中的一个重要子类,它通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最 终提升分类或预测的准确性.卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音...
地质领域机器学习深度学习实现语言地质大数据一般分为核心地质数据和公共地质数据.前者包含大量机密信息,因此无法进行公开,主要存储在局域网中;而后者主要用于科学普及,对其潜在价值进行挖掘已经成为地质大数据应用的重要方面.当前,机器学习已经成为地质大数据研究的热门方向,其让地质大数据得到了飞速发展.作为机器学习的重要分支...
卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音分析等.Python语言在科学领域的地位占据着越来越重要.其下的Scikit-Learn是一个机器学习相关的库,提供有数据预处理、分类、回归、聚类、预测、模型分析等算法.Keras是一个基于Theano/Tensorflow的深度学习库,可以应用来搭建简洁的人工神经网络....
13. 自然语言处理中的深度学习:方法及应用 14. 拓宽学习领域提高学习效率 15. 基于机器学习的多语言文本抽取系统实现 推荐文献 1. 日径流的组合预测模型 2. 地统计学方法在复杂金属矿床地质体形态恢复中的应用 3. 侧深施氮对水稻产量及氮素吸收利用的影响 4. 抗豆象绿豆胰蛋白酶抑制剂活性及理化性质 5. ...
地质领域机器学习、深度学习及实现语言 摘要 地质大数据正在以指数形式增长.只有发展智能数据处理方法才有可能追上大数据的超常增长.机器学习是人工智能的核心,是使计算机具有智能的根本途径.机器学习已成为地质大数据研究的前沿热点,它将让地质大数据插上翅膀,并因此改变地质.机器学习是一个源于数据的模型的训练过程,最终...