ETA精品文章

• 

  [譯]解密 Uber 數(shù)據(jù)科學(xué)團(tuán)隊(duì)路徑選擇算法的優(yōu)化之路

  ...五年以前Uber平臺(tái)剛剛開始運(yùn)營的時(shí)候，到達(dá)時(shí)間估算（ETA）是我們推出的第一個(gè)特性。這是乘客對我們的第一印象。 2012年早些時(shí)候，應(yīng)用內(nèi)顯示的 ETA 在Uber早期，我們用了一系列路徑引擎的組合（包括OSRM）來做ETA。（我們剛...

  _ivan 2019-07-25 10:25 評論0 收藏0
• 

  【DL-CV】更高級的參數(shù)更新/優(yōu)化（二）

  ...問題的同時(shí)又保留了 Adagrad 調(diào)節(jié)學(xué)習(xí)率的優(yōu)點(diǎn)$$s_{t+1} = eta s_t +(1-eta) abla_x L(x_t)^2$$$$x_{t+1}= x_t-{alphaover sqrt {s_{y+1}+}epsilon}$$$gamma$ 通常為0.9/0.99 以上兩種方法解決了SGD的問題2?? Adam 兩種動(dòng)量方法通過引入速度解決了問題1?...

  jone5679 2019-06-26 18:34 評論0 收藏0
• 

  【DL-CV】更高級的參數(shù)更新/優(yōu)化（二）

  ...問題的同時(shí)又保留了 Adagrad 調(diào)節(jié)學(xué)習(xí)率的優(yōu)點(diǎn)$$s_{t+1} = eta s_t +(1-eta) abla_x L(x_t)^2$$$$x_{t+1}= x_t-{alphaover sqrt {s_{y+1}+}epsilon}$$$gamma$ 通常為0.9/0.99 以上兩種方法解決了SGD的問題2?? Adam 兩種動(dòng)量方法通過引入速度解決了問題1?...

  lemon 2019-07-30 17:49 評論0 收藏0
• 

  機(jī)器學(xué)習(xí)之梯度下降法與線性回歸

  ...數(shù)。 簡單理解梯度下降法 假設(shè)存在一個(gè)只有一個(gè)參數(shù) $ heta$ 的損失函數(shù) $J$，想找到最小極值處的 $ heta$，如圖所示： 借助于損失函數(shù) $J$ 在 $ heta$ 處的切線，可以直觀的反映出損失函數(shù) $J$ 在 $ heta$ 處的導(dǎo)數(shù)大小；導(dǎo)數(shù)的大小...

  cod7ce 2019-07-31 11:20 評論0 收藏0
• 

  Involute Calculator User Guide Document

  ...uations according to ISO 21771:2007: $$d=|z|cdot m_t=frac{|z|cdot m_n}{coseta}$$$$m_t=frac{m_n}{coseta}$$$$m_x=frac{m_n}{sineta}=frac{m_n}{cosgamma}=frac{m_t}{taneta}$$$$m_n=frac{m_tcdot sinet...

  劉明 2019-08-16 12:34 評論0 收藏0