檢索結果：共13筆資料 檢索策略： "陳雲岫".ccommittee (精準) and year="109"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
Flood is a Thailand’s chronic issue, that affected people, social, economic and cause devastating d…
2
none
3
如今，資料科學變得越來越流行，因為資料科學有如此多的應用。例如，精準醫療、自動駕駛和推薦系統都需要使用。此外，在許多應用中總是使用大量模型進行良好的預測。通常，模型越大，我們構建模型所需的數據就越多…
4
在機器學習(Machine learning)領域中，低維度且線性不可分的資料一直都是個很有挑戰性的任務，為了解決這一困難，可以應用核函數將屬性向量從低維度空間轉換到高維度空間。但是在增加屬性向量的…
5
許多公司都利用Black-Litterman模型提供投資組合自動化的服務，包括高盛、Betterment、Vanguard等知名投資組合自動化服務企業。Black-Litterman模型讓投…
6
多年來，投資者一直對股價走勢感興趣，以做出明智的投資決策。最近，許多研究者提出使用機器學習方法來預測股票價格的趨勢。在所有的機器學習演算法中，遞迴神經網路（RNN）被證明是非常有效的序列預測演算法，…
7
本文主要探討 Multi-Turn Response Selection 任務。近年來 BERT(Devlin, Chang, Lee, & Toutanova, 2019) 等預訓練模型在下游任務…
8
Proteins are essential macromolecules for the structure and function of a cell. Interactions of pro…
9
在機器學習領域中，資料分析會隨著「屬性向量」維度過高或過低而變成具有挑戰性的任務。隨著屬性向量的維度越高，分類模型會需要更大量的運算成本，還有可能因為訓練過度而發生過擬合(overfitting)的…
10
隨著網際網路的快速發展，人們可以很方便地進行股市交易，股票市場也被視為最重要的金融市場之一。現今資訊技術也開始應用在傳統金融產業中，並結合深度學習探討市場與股價的關係。然而目前研究方法大多選擇單一股…