摘要 - 机器学习是一个可以学会做出自己决定的系统,而无需人类重复编程,以便计算机可以变得更聪明并从数据中学习。基于其学习技术,可以通过使用标记的数据集(数据培训)来区分监督的学习,而无监督的学习得出了基于数据集的结论。用机器学习使用数据集形式的输入来产生正确的分析。解决方案是使用Python,该Python提供用于创建机器学习的算法和库。人工智能(AI)几十年后再次上升。人工智能再次流行,其应用程序在当今的业务应用程序和社交媒体中进行了大规模进行,例如Facebook,Twitter,Google,Amazon,甚至来自印度尼西亚的各种大型应用程序,例如Go-Jek,Tokopedia等。本书中的讨论结构包括3个主要部分,即(1)机器学习和人工智能概念(2)机器学习的Python编程基础知识以及(3)使用Python的机器学习应用程序的示例,通过实施多种算法,既有监督的学习又是不受欢迎的学习。几个案例研究都在全面讨论,从了解算法,数据集处理到开发机器学习模型结果的培训,测试以及可视化。
机器学习介绍,监督学习 - 线性回归,逻辑回归,感知。指数族,广义线性模型。(8)生成学习算法。高斯判别分析。幼稚的贝叶斯。支持向量机。偏见/方差权衡模型选择和特征选择。评估和调试学习算法,决策树,随机森林。(10)深度学习简介 - 卷积神经网络。(4)无监督的学习聚类 - k-均值,em,高斯的混合物,因子分析。降低降低 - ICA。(8)增强学习-MDP,Bellman方程,价值迭代和政策迭代,线性二次调节(LQR),Q学习。值函数近似。(12)
_____________________________________________________________________________________ SCOTOPIA-- A Multidisciplinary Bi-annual Journal Volume 1 Issue 1 (January-June) 2016
i)应具有具有良好场地稳定性的主动屏蔽,外部干扰屏蔽。场稳定的加班应为<或等于0.2 ppm/hr。(ii)提及RF操作频率和场漂移。c)同质性(i)应提供最佳同质性。在10 cm,20 cm,30 cm和40 cm DSV的VRMS中指定同质性,最大。可以用引用的扫描仪来实现。(ii)对于单素体素和CSI光谱应该非常好。指定值。(iii)请在40 cm FOV(保证同质性)处指定同质性。(iv)请指定保持哪些FOV梯度线性。(v)幻影中的自动弹跳应优于40 dsv中的0.55ppm。d)磁铁孔(i)70厘米或更多的磁铁孔直径,梯度,垫片和射频线圈用耀斑定位后。(ii)生理信号,线圈连接和表调整应显示在磁铁的龙门上e)主动屏蔽/条纹场 div>