신경망 컬러 볼 복권 티켓을 학습 깊이 인공 지능의 응용 프로그램
컬러 볼 추첨에서 인터넷의 인공 신경망 (신경망) 응용 프로그램이 이미 예측에 컬러 볼에 사용되는 최근의 화재 AlphaGo을 비교하기 위해 더 많은 연구 논문 및 정보의 깊이 연구를 가지고, 어떤 서류가없는, 후에게 연구 결과가 나올 것입니다 진보적 인 업데이트.
인공 신경망은 무엇입니까?
신경 네트워크의 장점은, 잘못된 입력이 또한 당신에게 올바른 결과에 가까운 출력을 제공 할 수 있습니다 당신은 자신을 수정할 수 있습니다, 당신은 자신의 노드를 생성 할 수있다.
이 스마트라고하는 이유는 그가 자동으로 인간의 뇌가 진화로 생각하기보다는 단순히 명령을 실행할와 상황에 따라 배울 것입니다.
일반적인 필터링 알고리즘 I에 직접 기입 된 논리 알고리즘에 따라 출력을주는 입력에 따라, 인라인 실행될 어떠한 자동 오류 정정, 오류 내성 비교 차이가 없다.
당신은 인공 지능 생각할 수있는 슈퍼 강력한 컴퓨팅 생각하고 있었는데, 큰 쉽게 데이터, 복잡한 알고리즘의 양의 결과뿐만 아니라, 자기 학습, 더 지능적인 새로운 법률의 발견을 처리 할 수 배울 수있는 뇌의 능력, 더 당신이 정확한 데이터를 원하는 것을 그릴 점점 수. 현재 학습 + 빅 데이터의 대중적인 방법의 깊이의 비율.
다음 (: 함께 컬러 볼을 예측 다운로드 내부 2 (376,642,842) 클러스터 파일을 구입 QQ 그룹이 수 PDF 파일에 대한 정보) 관련 정보 및 연구 과정에 대한 링크는 다음과 같습니다
예측 및 컬러 볼 복권에서 BP 신경망의 실험 실현 - 블루 스타 극 쉴드 - 블로그 채널 - CSDN.NET
http://blog.csdn.net/supperman_009/article/details/40623503
데이터 복권 예측 알고리즘 (a)는 C # 코드를 달성하기 위해 개별 마르코프 연쇄 모델 [첨부] - asxinyu - 블로그 파크
http://www.cnblogs.com/asxinyu/p/3532076.html
신경 네트워크 프로그래밍 항목 - Cangwu - 블로그 공원
http://www.cnblogs.com/heaad/archive/2011/03/07/1976443.html
파이썬 및 임의 숲 알고리즘에 대한 간략한 요약 달성하기 위해 - CSDN.NET - lo_cima의 블로그 - 블로그 채널
http://blog.csdn.net/lo_cima/article/details/50533010을
========================================
--BP 기계 학습 신경 네트워크 모델 - NIeson2012 열 - 블로그 채널 - csdn.net
http://blog.csdn.net/NIeson2012/article/details/51253018
스탠포드 대학 공개 강좌 : 기계 학습 비디오 과정 (20 시간 총) _ 온라인 교육 과정 _51CTO 학교
http://edu.51cto.com/index.php?do=course&m=index&course_id=156
이 무료, 앤드류 응은 말했다
캘리포니아 공과 대학 개방 클래스 : 기계 학습 및 데이터 마이닝 _ (18)의 전체 세트 _ NetEase는 개방 클래스
http://v.163.com/special/opencourse/learningfromdata.html
========================================
실제 비디오 교과 과정에 깊이 학습 원리 (총 3 개 과목) _ 온라인 교육 과정 _51CTO 학교
http://edu.51cto.com/pack/view/id-726.html
깊은 학습 알고리즘 위에 종이 상세 비디오 코스 (총 16 시간) _ 온라인 교육 과정 _51CTO 대학
http://edu.51cto.com/course/course_id-7254.html
참고 : 위의 두 과정을 유료, 무료로 봐 섹션이있다
========================================
Encog은 고급 알고리즘뿐만 아니라 다양한 지원 클래스 정규화 처리 및 데이터를 지원하는 진보 된 기계 학습 프레임 워크이다. 이러한 지원 벡터 기계, 인공 신경망, 베이지안 네트워크, 숨겨진 마르코프 모델, 유전 프로그래밍과 유전 알고리즘과 같은 기계 학습 알고리즘. 대부분의 Encog 훈련이 독립 실행 형 멀티 스레딩과 멀티 코어 하드웨어의 규모 때문에. Encog는 처리 시간을 가속화 GPU를 촉진 할 수있다. 또한이 모델 훈련을하는 데 도움이되는 GUI 기반의 워크 벤치 및 기계 학습 알고리즘을 제공합니다. Encog 2008 그것은 적극적인 개발되었습니다.
http://www.heatonresearch.com/encog/
개미 식민지 알고리즘, 입자 떼 최적화 장점과 단점이시나 블로그를 _nizhonglian_
http://blog.sina.com.cn/s/blog_6d8f1b9301015sut.html
개미 식민지 알고리즘 (ACO)은 자연 개미 먹이를 찾아 다니는 행동에서 영감을, 그것은 떼 지능 최적화 알고리즘이다. 그것은 실제 개미 식민지의 집단 꼴 행동의 본질에 대한 연구, 시뮬레이션 실제 개미 식민지 협업 프로세스를 기반으로합니다.
개미 알고리즘은 따라서 최적화의 목적을 달성 솔루션 경로 요소에 대한 기존의 정보 교환을 통해 솔루션의 품질을 향상시키기 위해, 몇 가지 일반적인 솔루션 경로 구성으로 구성되어 있습니다. 일반적인 확률 적 최적화 방법으로 개미 식민지 알고리즘은 성공적으로 TSP와 같은 조합 최적화 문제의 계열에 적용하고, 좋은 결과를 달성하고있다.
"양적 투자 : 도구로 MATLAB을"
MATLAB 신경망 (43) 사례 연구,이 책은 여전히 위, 도움이 컬러 볼의 연구
http://www.matlabsky.com/forum-105-1.html
사람들은 법을 많이 찾을 수 있습니다,하지만 그는 컴퓨팅 고속으로 쉬지 않고 할 수있는 기계에 의해 계산 된 통계를 강요하지 않는
매우 강력한와 함께 컴퓨터의 컴퓨팅 파워 및 메모리와 결합 된 컴퓨터에 사람의 생각 내용 입력,
빅 데이터를 처리하는 기계가를 자연 장점이 있지만, 수학적 모델이 정확해야
혜택을 깊이 학습하고 신경망 당신이, 당신이 당신의 자신의 노드를 생성 할 수 있습니다 자신을 수정할 수 있다는 것입니다은, 잘못된 입력은 올바른 결과에 근접하면 출력을 제공 할 수 있습니다
에 637766173 QQ 그룹 토론을 추가 할 수 있습니다 관심 "컬러 볼 소프트웨어 그룹을 선택하십시오."