共查询到10条相似文献,搜索用时 15 毫秒
1.
《Planning》2019,(36)
机器学习是机器人工程领域最活跃,最有潜力的方向之一。本文概述了机器学习当前研究的方向:符号机器学习、集成机器学习、增强机器学习、统计机器学习,梳理了各自的理论基础。在此基础上,以统计机器学习为重点,就其一致性、收敛性、推广性以及构造算法的原则四个核心方面进行了综述,最后提出几点思考和建议。 相似文献
2.
本文从机器学习的概念和算法着手,对机器学习的国内外研究现状进行了综述,阐述了机器学习在桥梁工程实践中的具体应用,并对机器学习分析的未来发展进行了展望。 相似文献
3.
4.
5.
6.
【目的】大数据、物联网和人工智能技术正在经历快速发展阶段,其中机器学习的应用尤为瞩目,探索机器学习对可持续建成环境研究的影响具有理论和实践价值。【方法】基于文献综述,聚焦城市公共健康、能源碳排放、气候环境、生态系统、绿色出行5个可持续建成环境重要议题,详述机器学习的概念、分类、重要算法及关键应用。【结果】提出机器学习应用预测性有余解释力不足的特点,梳理机器学习发展从预测性到解释性的趋势,分析机器学习应用对研究的影响。【结论】结果表明:解释性方法和可读模型增多,研究目的更加侧重决策解读和规律总结,但基于实证研究的因果机制探索仍较少。基于此,比较分析了机器学习在不同议题中的典型应用,展望未来的发展前景。 相似文献
7.
《Planning》2019,(7)
机器学习方法在进行非线性预测时表现得极为出色,商品期货跨期价差的非线性特征正契合机器学习的应用实际。选取螺纹钢1809和1810两个合约2017年11月1日至2018年8月31日的30分钟数据作为分析对象,比较了人工神经网络、支持向量回归及Xgboost三种机器学习方法的套利效果。结果发现:支持向量回归的预测效果最佳,相对于传统的标准距离法套利模型,基于支持向量回归的套利模型无论是在收益率还是在胜率上都可以获得显著更优的表现。研究结论验证了机器学习方法在非线性时间序列预测中的优越性,也为低风险套利策略的开发提供了新的思路。 相似文献
8.
《Planning》2020,(2):114-115
机器学习能够通过不断获取新的知识与技能,算法可以得到不断的完善与发展。文章基于机器学习对高校就业大数据进行研究,讨论机器学习对高校就业大数据的意义,并对高校就业情况进行了预测,希望能够为高校教育的研究与发展提供一定的参考。 相似文献
9.
10.
《Planning》2019,(5)
本文以机器学习为基础,研究了机器学习中最为经典的一种算法SVM(Supportvector machine)支持向量机算法,并通过该算法对雷达数据进行了拟合和预测。 相似文献