收录了 融合算法 频道下的 50 篇内容
为了实现优秀的推荐效果,众多的推荐算法被提出,并在业界使用。但是其中一类方法非常特殊,我们称为多模型融合算法。融合算法的意思是,将多个推荐算法通过特定的方式组合的方法。融合在推荐系统中扮演着极为重要的作用,本文结合达观数据的实践经验为大家进行系统性的介绍。
在京东零售这样的电商平台上,搜索领域是最大的流量场域,承担着提升自然流量可运营能力的重要任务。如何通过有效的流量调控系统来增强商家对自然流量的运营能力,成为平台和商家共同关注的焦点。
最近讨论过数据层传感器融合问题,特别是最近采用深度学习方法估计深度图的方法。主要是激光雷达等深度传感器的数据比较稀疏分辨率低,好处是数据可靠性高;而摄像头传感器获取的图像比较致密并分辨率高,缺点是获取的深度数据可靠性差。下面介绍一下最近看到的深度学习方法。
本文介绍手机、车机导航定位中使用的关键技术,以及高德地图在这些关键技术中的进展。
本文概述车载多传感器融合定位项目背景,解决偏航重算、无法定位和抓路错误三大问题,结合算法和数据,提出软件+硬件的解决方案。
本文将与大家分享前端智能化项目中技术与思考的点点滴滴。
现阶段的智能交互机器人还存在一些局限性,在形象化、拟人化、情感洞察方面瓶颈凸显,对此,追一科技提出了一系列解决方案,包括语音语义联合建模、文本风格迁移等。
基于历史交互行为的用户建模是构建精准推荐系统的核心环节,如何融合用户长短期的偏好一直是推荐系统中的热点话题。
M2Doc是一种创新的多模态融合方法,设计用于增强文档版面分析任务中的纯视觉目标检测器。该方法包括Early-Fusion和Late-Fusion模块,前者通过门控机制融合视觉和文本特征,后者则在框级别合并这两种特征。
亿级淘宝视频背后的多模态AI算法揭秘
后置摄像头不是越多越好,也不是越大越好
本文介绍了天元使用 JIT 实现将任意多个相邻的 element-wise 算子融合成一个算子的优化。
本文将结合高德地图在车道级导航及自动驾驶等领域的工作,分享我们对于高精度定位技术演进的思考,以及在高精定位实际落地应用中的一些实践。
胡浩源:我觉得在未来一段时间内,IoT 和人工智能结合的 AIoT 会是一个比较大的方向。
知识图谱解决了哪些其他技术无法解决的问题?
澎思科技(Pensees)在基于视频的行人再识别数据集(PRID-2011,iLIDS-VID,MARS)中再次取得突破性进展。
数字经济与实体经济的融合成为数字经济发展的核心任务。
为了更好地向读者输出更优质的内容,InfoQ将精选来自国内外的优秀文章,经过整理审校后,发布到网站。本篇文章作者为张延祥,原文链接为《微博背后的那些算法》。
快手是中国领先的短视频和直播社区,拥有超过3亿的DAU和丰富的社交数据。
知识图谱逐渐成为人工智能应用的强大助力。