Blog

无监督学习K均值聚类和PCA的最佳实践

关于k均值聚类和主成分分析（PCA）的快速教程。

移动机器人(AGV)是工业机器人的一种。它由计算机控制，具有移动、自动导航、多传感器控制、网络交互等功能，在实际生产中最主要的用途是搬运，可以说只要有搬运需求的地方，就有移动机器人的应用可能。

想要快速区分标记的数据时，我们很容易忽略无监督学习。无监督的机器学习本身就非常强大，而聚类是迄今为止这类问题中最常见的方式。

机器学习模型被许多人称为“黑匣子”。这意味着虽然我们可以从中获得准确的预测，但我们无法清楚地解释或识别这些预测背后的逻辑。但是我们如何从模型中提取重要的见解呢？要记住哪些事项以及我们需要实现哪些功能或工具？这些是在提出模型可解释性问题时会想到的重要问题。

阅读生成性对抗性网络（GAN）研究和评估如何开发然后实现您自己的GAN以生成手写数字

本文是GAN系列的一部分，我们将研究为什么培训如此难以捉摸。通过这项研究，我们了解了一些驱动许多研究人员方向的基本问题。我们将研究一些分歧，以便我们知道研究可能会去哪里。在研究这些问题之前，让我们快速回顾一下GAN方程。

5年前，GANs开始了深度学习的革命。这场革命产生了一些重大的技术突破。本文将详细介绍 GAN 的历史以及不同模型的效果。