人工智能sci

5个回答默认排序

默认排序

按时间排序

水果西瓜太郎

已采纳

Scikit-learnScikit-learn 是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN。而且也设计出了Python numerical和scientific libraries Numpy and SPylearn2Pylearn是一个让机器学习研究简单化的基于Theano的库程序。NuPICNuPIC是一个以HTM学习算法为工具的机器智能。HTM是皮层的精确计算方法。HTM的核心是基于时间的持续学习算法和储存和撤销的时空模式。NuPIC适合于各种各样的问题,尤其是检测异常和预测的流数据来源。 NilearnNilearn 是一个能够快速统计学习神经影像数据的Python模块。它利用Python语言中的scikit-learn 工具箱和一些进行预测建模，分类，解码，连通性分析的应用程序来进行多元的统计。PyBrainPybrain是基于Python语言强化学习，人工智能，神经网络库的简称。它的目标是提供灵活、容易使用并且强大的机器学习算法和进行各种各样的预定义的环境中测试来比较你的算法。PatternPattern 是Python语言下的一个网络挖掘模块。它为数据挖掘，自然语言处理，网络分析和机器学习提供工具。它支持向量空间模型、聚类、支持向量机和感知机并且用KNN分类法进行分类。FuelFuel为你的机器学习模型提供数据。他有一个共享如MNIST, CIFAR-10 (图片数据集), Google’s One Billion Words (文字)这类数据集的接口。你使用他来通过很多种的方式来替代自己的数据。BobBob是一个的信号处理和机器学习的工具。它的工具箱是用Python和C++语言共同编写的，它的设计目的是变得更加高效并且减少开发时间，它是由处理图像工具,音频和处理、机器学习和模式识别的大量包构成的。SkdataSkdata是机器学习和统计的数据集的库程序。这个模块对于玩具问题，流行的计算机视觉和自然语言的数据集提供标准的Python语言的使用。MILKMILK是Python语言下的机器学习工具包。它主要是在很多可得到的分类比如SVMS,K-NN,随机森林，决策树中使用监督分类法。它还执行特征选择。这些分类器在许多方面相结合,可以形成不同的例如无监督学习、密切关系金传播和由MILK支持的K-means聚类等分类系统。IEPYIEPY是一个专注于关系抽取的开源性信息抽取工具。它主要针对的是需要对大型数据集进行信息提取的用户和想要尝试新的算法的科学家。QuepyQuepy是通过改变自然语言问题从而在数据库查询语言中进行查询的一个Python框架。他可以简单的被定义为在自然语言和数据库查询中不同类型的问题。所以，你不用编码就可以建立你自己的一个用自然语言进入你的数据库的系统。现在Quepy提供对于Sparql和MQL查询语言的支持。并且计划将它延伸到其他的数据库查询语言。HebelHebel是在Python语言中对于神经网络的深度学习的一个库程序，它使用的是通过PyCUDA来进行GPU和CUDA的加速。它是最重要的神经网络模型的类型的工具而且能提供一些不同的活动函数的激活功能，例如动力，涅斯捷罗夫动力，信号丢失和停止法。lxtend它是一个由有用的工具和日常数据科学任务的扩展组成的一个库程序。learn这个程序包容纳了大量能对你完成机器学习任务有帮助的实用程序模块。其中大量的模块和scikit-learn一起工作，其它的通常更有用。RampRamp是一个在Python语言下制定机器学习中加快原型设计的解决方案的库程序。他是一个轻型的pandas-based机器学习中可插入的框架，它现存的Python语言下的机器学习和统计工具（比如scikit-learn,rpy2等）Ramp提供了一个简单的声明性语法探索功能从而能够快速有效地实施算法和转换。Feature Forge这一系列工具通过与scikit-learn兼容的API，来创建和测试机器学习功能。这个库程序提供了一组工具，它会让你在许多机器学习程序使用中很受用。当你使用scikit-learn这个工具时，你会感觉到受到了很大的帮助。（虽然这只能在你有不同的算法时起作用。）REPREP是以一种和谐、可再生的方式为指挥数据移动驱动所提供的一种环境。它有一个统一的分类器包装来提供各种各样的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一个群体以平行的方式训练分类器。同时它也提供了一个交互式的情节。Python 学习机器样品用的机器学习建造的简单收集。Python-ELM这是一个在Python语言下基于scikit-learn的极端学习机器的实现。

301 评论 2小时前发布

幽深的猫巷

expertsystems with application是SCI检索的《Expert Systems with Applications》被认为是人工智能、运筹学与管理科学等领域的最重要国际期刊之一，2020年影响因子为954，被SCI检索，隶属于中科院期刊一区及TOP期刊。《EXPERT SYSTEMS WITH APPLICATIONS》2020中科院分区（基础版）大类学科及分区：工程技术 2区是否TOP期刊：是小类学科及分区：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE计算机：人工智能 2区 Engineering, ELECTRICAL & ELECTRONIC工程：电子与电气 2区 OPERATIONS RESEARCH & MANAGEMENT SCIENCE运筹学与管理科学

115 评论 3小时前发布

柔和的风0751

SCI：科学引文索引（Science Citation Index）； EI：工程索引(Engineering Index)；ISTP：国际会议录索引（Index to Scientific & Technical Proceedings）；SSCI：社会科学引文索引（Social Science Citation Index）；A&HCI：艺术与人文科学索引( Arts & Humanities Citation Index)； ISSHP：《社会科学和人文会议录索引》。工程索引工程索引(EI)是由美国工程师学会联合会于1884年创办的历史上最悠久的一部大型综合性检索工具。EI在全球的学术界、工程界、信息界中享有盛誉，是科技界共同认可的重要检索工具。

82 评论 6小时前发布

枫月絮影

要根据自己兴趣和能力慎重选择专业，院校和导师。首先，是专业。相关专业:计算机类+数学类+自动化类+软件类+电子类+信息科学类（信息管理和图书情报），学院与之对应其次，对应专业的院校。考量指标:院校级别和排名+正教授人数及学者头衔数量+基金类目、级别及数量+博士后流动站有无和数量+国家重点实验室有无和数量+科研成果产出质量数量。

217 评论 12小时前发布

我只爱摄影

ISSHP1、SCI:科学引文索引(Science Citation Index)美国科技信息研究所(ISI--Institute for Scientific Information)挑选了3300 种核心期刊，为其编制索引并收入 SCI。SCI 所涵盖的学科超过 100个，主要涉及以下领域:农业、生物及环境科学;工程技术及应用科学;医学与生命科学;物理学及化学;行为科学。所收资料每年以60万条新记录及 900 万条以上引文参照的速度增长。2、EI:工程索引(Engineering Index)是工程技术领域的综合性检索工具，由美国工程信息中心编辑出版，它囊括世界范围内工程的各个分支学科，如:土木工程、能源、环境、地理和生物工程;电气、电子和控制工程;化学、矿业、金属和燃料工程;机械、自动化、核能和航空工程;计算机、人工智能和工业机器人。3、ISTP:国际会议录索引(Index to Scientific & Technical Proceedings) 是由ISI公司出版的重要数据库之一，它专门收录世界各种重要的自然科学及技术方面的会议，包括一般性会议、座谈会、研究会、讨论会、发表会等的会议文献，所收会议达1100多种，涉及学科基本与SCI相同。以上是著名的三大检索工具，下面是与三大检索工具相关的其它数据库:1、A&HCI:艺术与人文科学索引( Arts & Humanities Citation Index)完整地收录了艺术与人文科学25个学科的1100多种期刊，还包括ISI各个数据库中有关艺术与人文科学方面的其它7000种期刊中的内容，其内容涉及各个艺术领域，如视觉、音乐、表演、文学、工艺、历史、宗教等等，还有人文科学的。

83 评论 12小时前发布

人工智能sci

5个回答 默认排序 默认排序 按时间排序

相关问答

论文问答

向你推荐

热门问题

5个回答默认排序

默认排序

按时间排序