人工智能

人工智能与智能财务的结合


  • 首页

  • 标签

  • 分类

  • 时间表

  • 关于

  • 搜索

总论

发表于 2021-06-09 | 分类于 会计 , 中级财务会计 , 总论 |
字数统计: | 阅读时长 ≈
财务会计的特征 面向外部 主要向企业外部信息使用者提供与决策有关的财务状况,经营成果、现金流量等信息。 财务报告是财务会计信息传递的手段 对会计信息的加工,需要经过确认、计量、记录、报告等程序 财务报告的数据来自过去的交易或事项是历史信息 以一系列假设为前提 受一套比较科学、严密的概念框架所 ...
阅读全文 »

100分的最终作业范例

发表于 2021-05-31 | 分类于 程序设计作业 , 贪吃蛇作业 , 最终提交版本 , 文件 |
字数统计: | 阅读时长 ≈
点击下载 运行文件为解压后文件夹内的Snake_console.exe 如果对你有帮助,希望可以打赏哦~(打赏按钮在下方) 下面为代码区snake_main.c1234567891011121314151617181920212223242526272829#include "snake ...
阅读全文 »

贪吃蛇工程文件(即和视频中一样)

发表于 2021-05-31 | 分类于 程序设计作业 , 贪吃蛇作业 , 修改前 , 文件区 |
字数统计: | 阅读时长 ≈
用于直接提交作业运行文件为解压后文件夹内的Snake_console.exe 点击下载
阅读全文 »

贪吃蛇:snake.h

发表于 2021-05-30 | 分类于 程序设计作业 , 贪吃蛇作业 , 修改前 , 代码区 , snake.h |
字数统计: | 阅读时长 ≈
以下为源代码123456789101112131415161718192021222324252627282930313233343536373839#pragma once#include<stdio.h>#include<Windows.h>#include<con ...
阅读全文 »

贪吃蛇:snake.c

发表于 2021-05-30 | 分类于 程序设计作业 , 贪吃蛇作业 , 修改前 , 代码区 , snake.c |
字数统计: | 阅读时长 ≈
以下为源代码123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767 ...
阅读全文 »

snake_main源代码

发表于 2021-05-30 | 分类于 程序设计作业 , 贪吃蛇作业 , 修改前 , 代码区 , snake_main.c |
字数统计: | 阅读时长 ≈
以下为源代码123456789101112131415161718192021222324252627#include "snake.h"int main(){ srand((unsigned int)time(0)); //生成随机数种子 int ...
阅读全文 »

发展历程

发表于 2021-05-26 | 分类于 人工智能学习 , 发展历程 |
字数统计: | 阅读时长 ≈
机器学习是人工智能( artificial intelligence)研究发展到一定阶段的必然产物.二十世纪五十年代到七十年代初,人工智能研究处于“推理期”,那时人们以为只要能赋予机器逻辑推理能力,机器就能具有智能这一阶段的代表性工作主要有A. Newell和H. Simon的“逻辑理论家”( Lo ...
阅读全文 »

技术层面

发表于 2021-05-26 | 分类于 人工智能学习 , 理论技术 |
字数统计: | 阅读时长 ≈
“没有免费的午餐定理”没有免费午餐定理(No Free Lunch,简称NFL)是wolpert和Macerday提出的“最优化理论的发展”之一。 引言最优化理论的发展之一是wolpert和Macerday提出了没有免费的午餐定理(No Free Lunch,简称NFL)。该定理的结论是,由于对所有 ...
阅读全文 »

留出法

发表于 2021-05-26 | 分类于 人工智能学习 , 理论技术 , 评估方法 |
字数统计: | 阅读时长 ≈
评估方式机器学习面临的问题通常是NP难甚至更难,而有效的学习算法必然是在多项式时间内 运行完成.若可彻底避免过拟合,则通过经验误差最小化就能获最优解,这就意味着我们构造性地证明了 “P=NP”;因此,只要相信”P不等于NP” ,过拟合就不可避免. 输出法“留出法”(hold-out)直接 ...
阅读全文 »

自助法

发表于 2021-05-26 | 分类于 人工智能学习 , 理论技术 , 评估方法 |
字数统计: | 阅读时长 ≈
原理及应用我们希望评估的是用D训练出的模型.但在留出法和交叉验证法中,由于保留了一部分样本用于测试,因此实际评估的模型所使用的训练集比D小,这必然会引入一些因训练样本规模不同而导致的估计偏差.留一法受训练样本规模变化的影响较小,但计算复杂度又太高了.有没有什么办法可以减少训练样本规模不同造成的影响, ...
阅读全文 »
上一页1…456下一页

52 日志
77 分类
57 标签
GitHub E-Mail 微博 QQ
© 2026 虞程龙
浙ICP备2026018669号