谷歌推出TensorFlow机器学习系统被引量：5

下载PDF

导出

摘要谷歌近日推出了一种新的开源工具,这种工具可使其与大众分享有关机器学习的知识和经验.谷歌多年来一直都致力于机器学习的实验室研究工作,并将其在这个领域中取得的一些成就引入了GooglePhotos等产品.谷歌新推出的这种机器学习系统名为TensorFlow,可在小到一部智能手机.

出处《电信工程技术与标准化》 2015年第11期92-92,共1页 Telecom Engineering Technics and Standardization

关键词机器学习系统谷歌智能手机实验室工具

分类号 TP181 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

同被引文献39

1胡春宏,王延贵,张燕菁,史红玲.中国江河水沙变化趋势与主要影响因素[J].水科学进展,2010,21(4):524-532. 被引量：70
2李荣,李义天,曹志芳.河网水情预报的神经网络模型及应用[J].应用基础与工程科学学报,2000,8(2):179-186. 被引量：5
3杨君岐,孙少乾,乐甲.基于Elman网络的股价预测模型及在浦发银行股票预测中的应用[J].陕西科技大学学报（自然科学版）,2007,25(6):127-130. 被引量：5
4李义天,郭小虎,唐金武,孙昭华.三峡建库后荆江三口分流的变化[J].应用基础与工程科学学报,2009,17(1):21-31. 被引量：61
5许全喜,胡功宇,袁晶.近50年来荆江三口分流分沙变化研究[J].泥沙研究,2009,34(5):1-8. 被引量：70
6邱启荣,于婷.基于主成分分析的BP神经网络对房价的预测研究[J].湖南文理学院学报（自然科学版）,2011,23(3):24-26. 被引量：12
7朱承山,潘英杰.欧阳海水库径流量预报的模糊神经网络方法[J].水电能源科学,2000,18(3):16-18. 被引量：6
8渠庚,刘心愿,郭小虎,唐峰.三峡工程运用前后藕池口分流分沙变化规律分析[J].水利学报,2013,44(9):1099-1106. 被引量：9
9李景保,钟一苇,周永强,黎昔春,朱辉.三峡水库运行对洞庭湖北部地区水资源开发利用的影响[J].自然资源学报,2013,28(9):1583-1593. 被引量：29
10郭小虎,李义天,刘亚.近期荆江三口分流分沙比变化特性分析[J].泥沙研究,2014,39(1):53-60. 被引量：30

引证文献5

1韩山杰,谈世哲.基于TensorFlow进行股票预测的深度学习模型的设计与实现[J].计算机应用与软件,2018,35(6):267-271. 被引量：31
2丁苏若涵,王一雯,张爱丽,余文艳,赵旭阳.基于人工智能的固定宽带网络性能分析模型研究[J].信息通信技术与政策,2019,0(12):21-25. 被引量：1
3聂宇,聂鑫,朱依琳,廖晨阳.基于机器深度学习的图像风格化应用[J].电脑知识与技术,2021,17(7):15-17.
4杨超文,汪宇玲,舒志敏,刘晶晶,谢娜娜.基于TensorFlow的LSTM模型在空气质量指数预测的应用[J].数字技术与应用,2021,39(3):203-206. 被引量：1
5赵伟,毛继新,关见朝,王大宇.三峡水库运用后荆南三口分流演变规律及驱动因子[J].水利学报,2023,54(8):1005-1014. 被引量：2

二级引证文献35

1侯冰俏,娄超.千兆宽带局端设备部署思路探究[J].产业科技创新,2020(13):44-45. 被引量：3
2王国兰.人工智能算法在股票价格波动规律预测中的应用[J].长春大学学报,2022,32(2):20-23.
3王永乐,马婷艳.基于人工智能的煤炭价格预测研究[J].广西质量监督导报,2020(4):191-191. 被引量：1
4陈晓虎.氧化铝陶瓷摩擦材料制备的初步研究[J].材料导报,2000,14(5):63-65. 被引量：5
5彭燕,刘宇红,张荣芬.基于LSTM的股票价格预测建模与分析[J].计算机工程与应用,2019,55(11):209-212. 被引量：77
6滕秀萍,郑伟.面向股票价格趋势预测的深度多元回归模型[J].经济研究导刊,2019,0(21):71-74. 被引量：1
7刘卫华.基于TensorFlow神经网络的数据中心故障预测研究[J].电子测试,2019,30(16):64-65. 被引量：5
8梁昱,李彬彬,陈志高,焦斌.TensorFlow中深度前馈网络优化研究及其轴承故障诊断应用[J].计算机应用与软件,2019,36(10):175-182. 被引量：5
9赵浩博,李锡祚.基于卷积和循环神经网络模型融合的股票开盘价预测研究[J].智能计算机与应用,2019,9(6):55-58. 被引量：2
10高孚嘉.基于BP神经网络的股票价格模型研究综述[J].环渤海经济瞭望,2019,33(12):164-165. 被引量：1

1黄海滨.机器学习及其主要策略[J].河池师范高等专科学校学报,2000,20(4):85-89. 被引量：6
2林雄,于洪,孙志雄,韩建文.再励学习及其在移动机器人行为规划中的应用[J].工业控制计算机,2009,22(8):58-59.
3尹绪森,吴甘沙.让机器学习突破大数据的重围[J].程序员,2013(11):113-117.
4赵沁平,魏华,王军玲.机器学习技术与机器学习系统[J].计算机科学,1993,20(5):27-40. 被引量：5
5何友鸣,方辉云.一种机器学习系统的设计与实现[J].计算机应用,2001,21(z1):160-162. 被引量：1
6王雅萍.专家系统在超声无损检测中的应用[J].西南科技大学学报,2005,20(1):53-55. 被引量：5
7于凤.机器学习方法及其技术应用[J].电脑学习,2003(1):3-4. 被引量：2
8黄宜华.大数据机器学习系统研究进展[J].大数据,2015,1(1):28-47. 被引量：51
9梁晓欢.Causata机器学习系统探讨[J].电脑与电信,2013(9):5-7.
10叶飞,龚俭,杨望.基于支持向量机的Webshell黑盒检测[J].南京航空航天大学学报,2015,47(6):924-930. 被引量：16

电信工程技术与标准化

2015年第11期

浏览历史

内容加载中请稍等...

谷歌推出TensorFlow机器学习系统被引量：5

同被引文献39

引证文献5

二级引证文献35

相关作者

相关机构

相关主题

浏览历史

谷歌推出TensorFlow机器学习系统 被引量：5

同被引文献39

引证文献5

二级引证文献35

相关作者

相关机构

相关主题

浏览历史

谷歌推出TensorFlow机器学习系统被引量：5