스택큐힙리스트

닫힘 이 질문은 책, 도구, 소프트웨어 라이브러리 등에 대한 추천을 찾고 있습니다. Stack Overflow 지침을 준수하지 않습니다. 현재 대답을 받지 않고 있습니다. 책, 도구, 소프트웨어 라이브러리 등에 대한 추천을 찾는 질문은 허용되지 않습니다. 질문을 편집하여 사실과 인용을 통해 답변 받을 수 있게 할 수 있습니다. 닫힘 8년 전. 이 질문 개선하기 오픈 소스 신경망 라이브러리를 찾고 있습니다. 현재까지 FANN, WEKA, OpenNN을 살펴보았습니다. 더 살펴볼만한 다른 라이브러리가 있을까요? 물론, 문서화, 예제, 사용 편의성이 기준입니다.답변 1비활성: CNTK는 Microsoft에서 제공하는 것으로, Python에서 학습하고 C++/C#/Java/Python에서 평가합니다. Chain..

인공 지능에서 DFS, A* 검색과 관련하여 그래프 검색과 트리 검색 버전의 차이점은 무엇인가요?답변 1구현 방법 중 일부는 select가 최적 솔루션을 반환하는 것을 보장할 수 있습니다. 즉, 가장 짧은 경로 또는 최소 비용의 경로(간선에 비용이 부여된 그래프의 경우)입니다. 이는 기본적으로 비용이 증가하는 순서로 노드가 확장되거나 비용이 0 이상의 양수 상수인 경우에 적용됩니다. 이러한 select를 구현하는 일반적인 알고리즘은

저는 신경망의 초보자입니다. 퍼셉트론에 대해 배우고 있습니다. 제 질문은 가중치 벡터가 결정 경계(하이퍼플레인)에 수직이 되는 이유는 무엇인가요? 많은 책들을 참고했지만, 모두 가중치 벡터가 결정 경계에 수직이라고 언급하고는 있지만 그 이유를 언급한 책은 없습니다. 누군가 설명이나 책 참고 자료를 제공해 주실 수 있을까요?답변 1여기서 w와 x는 모두 길이 N의 벡터입니다. 이 방정식은 평면 상의 모든 점에서 성립합니다. 위의 방정식을 상수로 곱하여도 여전히 성립하기 때문에 벡터 w의 단위 길이를 갖도록 상수를 정의할 수 있습니다. 이제 종이 조각을 꺼내서 x-y 축 (x1과 x2는 위의 방정식에서 의미합니다)을 그려보세요. 그 다음, 원점 근처에 선 (2D에서의 평면)을 어딘가 그려보세요. w0은 단순..

나는 3차원 벡터의 큰 세트를 가지고 있습니다. 유클리드 거리를 기반으로 이들을 군집화해야 합니다. 여기서 특정 클러스터 내에 있는 모든 벡터들은 서로의 유클리드 거리가 임계값 T보다 작아야 합니다. 몇 개의 클러스터가 존재하는지 알지 못합니다. 마지막에는 공간 내의 벡터 중 어떠한 클러스터에도 속하지 않는 개별 벡터가 존재할 수 있습니다. 그 이유는 해당 벡터의 유클리드 거리가 공간 내의 어떠한 벡터들과도 T보다 작지 않기 때문입니다. 여기서 사용해야 할 기존 알고리즘 / 접근 방식은 무엇인가요?답변 1이 접근 방식은 다른 군집과 유사성 기준, 즉 거리 임계값을 충족하지 못하는 경우에도 작은(단일 점) 군집을 허용한다는 것에 유의하십시오. 더 나은 성능을 발휘할 수 있는 다른 알고리즘도 있으며, 이는 ..