×

兹马思-数学第一资源

机器学习中的朱莉娅语言:算法、应用和开放问题。(英语) Zbl 07349566号
摘要:机器学习正在推动科学和工程领域的发展。一种简单高效的编程语言可以加速机器学习在各个领域的应用。目前,开发机器学习算法最常用的编程语言包括Python、MATLAB和C/C++。然而,这些语言都不能很好地兼顾效率和简单性。Julia语言是一种快速、易于使用和开源的编程语言,最初是为高性能计算而设计的,它可以很好地平衡效率和简单性。本文综述了Julia语言在机器学习中应用的相关研究工作和进展。它首先调查了用Julia语言开发的流行的机器学习算法。然后,研究了用Julia语言实现的机器学习算法的应用。最后,讨论了Julia语言在机器学习中的应用中存在的问题和未来的发展方向。
理学硕士:
68-02年 与计算机科学有关的研究展览会(专著、调查文章)
68-XX号 计算机科学
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 约旦,麻省理工学院。;Mitchell,T.M.,机器学习:趋势、观点和前景,科学,349,6245,255-260(2015)·Zbl 1355.68227
[2] Deo,R.C.,《医学中的机器学习》,流通,132,20,1920-1930(2015)
[3] Domingos,P.,关于机器学习的一些有用的知识,Common。ACM,55,10,78-87(2012年)
[4] Riley,P.,《机器学习中要避免的三个陷阱》,《自然》,5727767,27-29(2019年)
[5] 莱昆,Y。;本吉奥,Y。;Hinton,G.,深度学习,自然,521,7553,436-444(2015)
[6] Mjolsness,E。;DeCoste,D.,《科学机器学习:艺术现状和未来前景》,科学,29355372051-+(2001)
[7] 塞拉诺,E。;加西亚布拉斯,J。;卡雷特罗,J。;亚贝拉,M。;Desco,M.,《使用python在大数据平台上进行医疗成像处理:异构和同质体系结构的经验》,(2017年第17届Ieee/Acm集群、云和网格计算国际研讨会。2017年第17届Ieee/Acm集群、云和网格计算国际研讨会,Ieee-Acm集群云和网格计算国际研讨会(2017年)),830-837
[8] Voulgaris,Z.,Julia for Data Science(2016),技术出版物有限责任公司
[9] 迪纳里,O。;余,A。;弗雷菲尔德,O。;Fisher,J.,使用Julia在Dirichlet过程混合模型中的分布式MCMC推理,(2019年第19届IEEE/ACM集群、云和网格计算国际研讨会(CCGRID)),518-525
[10] 贝桑森,J。;埃德尔曼,A。;卡宾斯基,S。;Shah,V.B.,Julia:数值计算的新方法,暹罗修订版,59,1,65-98(2017)·Zbl 1356.68030
[11] 珀克尔,J.M.,朱莉娅:为语法而来,为速度而停留,《自然》,5727767141-142(2019)
[12] [链接]。网址https://julialang.org/benchmarks/。
[13] 拉特纳,C。;《转型与分析框架》第75卷,2004年
[14] 霍,Z。;梅,G。;卡索拉,G。;Giampaolo,F.,在Julia,J.的多核处理器上设计高效的并行谱聚类算法。并行分布。计算机,138211-221(2020年)
[15] 贝沙德,T。;福吉,C。;De Sutter,B.,《有效的可扩展编程:在GPU上释放Julia》,IEEE Trans。平行分布。系统,30,4827-841(2018年)
[16] R、 Huang,W.Xu,Y.Wang,S.Liverani,A.E.Stapleton,《Dirichlet过程混合模型Julia分布式实现的性能比较》,载:2019年IEEE大数据国际会议论文集,2019年大数据,第3350-3354页。http://dx.doi.org/10.1109/BigData47090.2019.9005453。
[17] 卢瑟托,L。;特雷斯特,E。;哈伯,E.,Jlnv—PDE参数估计的灵活Julia软件包,暹罗J.Sci。计算机,39,5,S702-S722(2017)·Zbl 1373.86013号
[18] 彭妮,华盛顿州。;基尔纳,J。;Blankenburg,F.,稳健贝叶斯一般线性模型,神经影像学,36,3661-671(2007)
[19] Frigola,R.,贝叶斯时间序列学习与高斯过程(2015),剑桥大学
[20] 斯特里克兰,C。;伯德特,R。;门格森,K。;Denham,R.,PySSM:线性高斯状态空间模型贝叶斯推理的Python模块,J.Stat.Softw。第57、6、1-37条(2014年)
[21] 英国默顿。;沃斯,A。;Radev,S.,ABrox A-用户友好的python模块,用于近似贝叶斯计算,侧重于模型比较,Plos One,13,3(2018)
[22] 图西,H。;莫伊尼,A。;Hajirasouliha,I.,BAMSE:多样本肿瘤系统发育推断的贝叶斯模型选择,BMC生物信息学,20(2019年)
[23] Luttinen,J.,BayesPy:Python中的变分贝叶斯推理,J.Mach。学习。第17、1-6号决议(2016年),https://dl.acm.org/doi/10.5555/2946645.2946686·Zbl 1360.62101
[24] 帕蒂尔,A。;华尔德,D。;Fonnesbeck,C.J.,PyMC:Python中的贝叶斯随机建模,J.Stat.Softw.,35,4,1-81(2010)
[25] 雅诺,V。;加科,R。;朱尼,H。;帕西,J。;维勒,T。;Aki,V.,使用MATLAB工具箱GPstuff(v3.3)的高斯过程贝叶斯建模,统计学(2012)
[26] 张,L。;阿格拉瓦特,S。;德拉多,G。;陈,S。;麦金托什,B.J。;Bowman,F.D.,BSMac:MATLAB工具箱实现大脑激活和连接的贝叶斯空间模型,J.Neurosci。方法,204,1133-143(2012)
[27] 库苏马诺·汤纳,医学硕士。;Mansingka,V.K.K.V.,Gen的设计方案:通过代码生成实现快速自定义推理的概率编程,(论文集-第二届ACM SIGPLAN国际研讨会(2018)),57
[28] 考克斯,M。;范德拉尔,T。;de Vries,B.,自动设计贝叶斯信号处理算法的因子图方法,国际互联网。J、 近似原因,104185-204(2019年)·Zbl 07025914
[29] 柏格斯特拉,J。;科默,B。;埃利亚史密斯,C。;亚明,D。;Cox,D.D.,Hyperopt:一个用于模型选择和超参数优化的Python库,Comput。科学。发现,8,1(2015)
[30] [链接]。网址https://github.com/kristoferc/NearestNeighbors.jl。
[31] 布雷曼,L.,随机森林机器学习,马赫。学习,45,5-32(2001)·Zbl 1007.68152号
[32] Ho,T.K.,《随机决策森林》,《第三届国际文献分析与识别会议论文集》,第1卷(1995年),第278-282页
[33] 周,Y。;机器学习方法指南,微生物研究前沿。Genet.,10579(2019年)
[34] 乌帕德耶,A。;谢蒂,A。;库马尔·辛格。;Siddiqui,Z.,使用KNN和决策树对LISS-III卫星图像的土地利用和土地覆盖分类,(2016年第三届全球可持续发展计算国际会议(INDIACom)(2016)),1277-1280,https://ieeexplore.ieee.org/document/7724471
[35] Keck,T.,FastBDT:多变量分类随机梯度增强决策树的速度优化和缓存友好实现(2016),arXiv:1609.06119
[36] 杨,F。;汉,X。;朗,J。;卢,W。;刘,L。;张,L。;潘杰,,(基于电子商务数据的用户商品推荐.基于电子商务数据的用户商品推荐,2018年第二届国际大数据研究大会论文集(2018)),146-149
[37] 塞弗林本人。;奈克,N。;拉蒂,C。;Proulx,R.,《绿色街道——用街道图像和计算机视觉量化和绘制城市树木》,Landsc。城市规划,16593-101(2017)
[38] Vapnik,V.,《统计学习理论的本质》(2013),Springer science and business media·Zbl 0934.62009
[39] 沙列夫·施瓦茨。;辛格,Y。;斯雷布罗,N。;Cotter,A.,Pegasos:支持向量机的原始估计次梯度解算器,数学。计划,127,1,3-30(2011)·Zbl 1211.90239
[40] 张,C。;Lin,C.,LIBSVM:支持向量机库,ACM Trans。因特尔。系统。技术。(TIST),2,3,27(2011年)
[41] 凯布里亚,下午。;科斯拉维,A。;萨拉肯,S.M。;Nahavandi,S.,基于卷积神经网络的自主车辆的深度模拟学习,IEEE-CAA J.Autom。第7、1、82-95页(2020年)
[42] 帕尔马,Y。;纳塔拉詹。;Sobha,G.,DeepRange:基于深度学习的自动驾驶中的目标检测和测距,IET Intell。运输。系统,13,8,1256-1264(2019年)
[43] [链接]。网址https://github.com/mpastell/LIBSVM.jl。
[44] 格瓦克,J。;荣格,J。;哦,R。;公园,M。;Rakhimov,文学硕士。;安,J.,智能自动驾驶车辆软件研究综述,Ksii Trans。互联网信息系统,13,11,5299-5320(2019年)
[45] 亚伯拉罕,A。;佩德雷戈萨,F。;艾肯伯格,M。;杰维斯,P。;穆勒,A。;科萨菲,J。;格拉姆波特,A。;蒂里翁,B。;Varoquaux,G.,神经irnaging的机器学习,scikit learn,Front。神经信息学,8,14(2014)
[46] 乔维奇,A。;布尔基奇,K。;Bogunovic,N.,《通用数据挖掘的自由软件工具概述》(2014年第37届信息和通信技术、电子和微电子技术国际公约(MIPRO)(2014)),1112-1117
[47] 佩德雷戈萨,F。;瓦罗魁克。;格拉姆波特,A。;米歇尔,V。;蒂里翁,B。;格里塞尔,O。;布朗德尔,M。;普雷滕霍费尔。;韦斯,R。;杜博格,V。;范德普拉斯,J。;帕索斯,A。;库纳佩乌,D。;布鲁姆。;佩罗特,M。;Duchesnay,E.,Scikit learn:Python中的机器学习,J.Mach。学习。Res.,122825-2830(2011年)·Zbl 1280.68189
[48] 德姆萨,J。;凝乳,T。;埃尔哈韦克,A。;哥鲁普,C。;霍切瓦尔,T。;米卢蒂诺维奇,M。;莫齐纳,M。;波拉杰纳,M。;托普拉克,M。;斯塔里克,A。;斯塔伊多哈尔,M。;乌梅克,L。;萨加尔,L。;Zbontar,J。;齐特尼克,M。;Zupan,B.,Orange:Python中的数据挖掘工具箱,J.Mach。学习。第14349-2353号决议(2013年)·Zbl 1317.68151
[49] 德姆萨,J。;祖潘,B。;列班,G。;Curk,T.,Orange:从实验机器学习到交互式数据挖掘,(Boulicaut,J.F.;Esposito,F.;Giannotti,F.;Pedreschi,D.,《数据库中的知识发现:Pkdd 2004》,论文集,《人工智能课堂讲稿》,第3202卷(2004年)),第537-539页
[50] Shan,Y.H。;卢,女。;Chew,C.M.,基于像素和特征水平的自主驾驶目标检测领域自适应,神经计算,367,31-38(2019年)
[51] 阿诺德,E。;纽约州阿拉。;迪亚纳提,M。;法拉,S。;牛津大学。;Mouzakitis,A.,自动驾驶应用中3D目标检测方法的调查,IEEE Trans。因特尔。运输。系统,20,10,3782-3795(2019年)
[52] 《模式识别的神经网络》(1995),牛津大学出版社
[53] 拉贾,Y。;麦肯纳公司。;龚,S.,使用混合颜色模型进行分割和追踪,电脑课堂讲稿。科学,1351607-614(1998)
[54] 布鲁诺,M。;莫特特,T。;磨坊S。;科比略,M。;乔利,F。;克雷蒂安,S。;Guyeux,C.,使用拉普拉斯特征映射和高斯混合模型的核苷酸序列聚类包,计算机。生物。医学,93,66-74(2017年)
[55] 霍利安,T.W.S。;马歇尔,P.J。;经验主义者:用XD高斯混合模型重新采样观测到的超新星/宿主星系群,Astron。J、 ,153,6(2017年)
[56] [链接]。网址https://github.com/AmebaBrain/GmmFlow.jl。
[57] [链接]。网址https://github.com/davidavav/GaussianMixtures.jl。
[58] 斯拉杰,F。;库克洛娃,Z。;Fitzgibbon,A.,计算机视觉和机器学习中一些问题的算法微分工具的基准,Optim。方法软件,33,4-6,889-906(2018)·Zbl 1453.65050
[59] 杜扎斯,G。;巴考,F。;最后,F.通过基于k-means和SMOTE的启发式过采样方法改进非平衡学习。科学,465,1-20(2018年)
[60] 于,S。;Tranchevent有限责任公司。;刘晓华。;格兰泽,W。;Suykens先生。;德摩尔,B。;Moreau,Y.,核k-均值聚类的优化数据融合,IEEE Trans。肛门模式。机器。国际,34,5,1031-1039(2012年)
[61] 张克。;朱玉祥。;Leng,S.P。;他,Y.J。;马尔詹,S。;Zhang,Y.,城市信息学中移动边缘计算的深度学习授权任务卸载,IEEE Internet Things J.,6,5,7635-7647(2019)
[62] Corpet,F.,多序列比对与层次聚类,核酸研究,16,22,10881-10890(1988)
[63] Johnson,S.C.,层次聚类法,心理测量学,32,3,241-254(1967)·Zbl 1367.62191
[64] 核型,G。;韩,E.H。;库马尔,V.,变色龙:使用动态建模的层次聚类,计算机,32,8,68-+(1999)
〔65〕 杰格,D。;巴特,J。;尼厄斯,A。;Fufezan,C.,PyGCluster,一种新的层次聚类方法,生物信息学,30,6,896-898(2014)
[66] Muellner,D.,Fastcluster:R和Python的快速分层、聚集聚类例程,J.Stat.Softw.,53,9,1-18(2013)
[67] 卡赞,J。;休因,L。;衬里,A。;蔡林格,M.N.,基于学习的自主赛车模型预测控制,Ieee机器人。自动驾驶。利特,4,4,3363-3370(2019年)
[68] Datta,S.,分子云中的等级星团,(DeGrijs,R.;Lepine,J.R.D.,星团:贯穿时间和空间的基本星系构建块。《星团:贯穿时间和空间的基本星系构建块》,《IAU研讨会论文集》(2010年)),第377-379页
〔69〕 克尔,G。;罗斯金,H.J。;起重机,M。;Doolan,P.,基因表达数据聚类技术,计算机。生物。医学,38,3,283-293(2008年)
[70] 雅克,J。;Biernacki,C.,有序数据的基于模型的协同聚类,计算机。统计学家。数据分析,123101-115(2018年)·Zbl 1469.62086
[71] 佩西亚,A。;Corander,J.,Kpax3:大序列数据集的贝叶斯双聚类,生物信息学,34,12,2132-2133(2018)
[72] [链接]。网址https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html。
[73] [链接]。网址https://www.alglib.net/dataanalysis/principalcomponentsanalysis.php。
[74] [链接]。网址https://docs.opencv.org/master/d1/dee/tutorial_introduction_to_pca.html。
[75] [链接]。网址https://github.com/JuliaStats/MultivariateStats.jl。
[76] 沃罗比约夫。;Cichocki,A.,使用独立分量分析和子空间滤波对多传感器信号的盲降噪,及其在EEG分析中的应用,Biol。《赛博网》,86,4,293-303(2002年)·Zbl 1066.92037
[77] 任,X。;胡,X。;王,Z。;颜志军,基于小波变换和ICA的肌电信号提取与分类,医学博士。生物。《工程计算》,44,5371-382(2006)
[78] 阿西,E.B。;里哈纳,S。;Sawan,M.,Kmeans-ICA在运动图像分类中去除眼部伪影的自动方法,(2014年第36届IEEE医学与生物工程学会年会(2014)),6655-6658
[79] [链接]。网址https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.FastICA.htm。
[80] [链接]。网址https://www.mathworks.com/matlabcentral/fileexchange/38300 pca和ica包?s_tid=prof_contriblnk。
[81] 费伊,M。;Lenssen,J.E.,Pythorch Geometrical快速图形表示学习(2019),arXiv:1903.02428
[82] 沈洁。;阮,P。;吴,Y。;陈,Z。;可扩展序列建模框架(2019年,模块化序列建模,第十四章,第二章)
[83] 唐永平。;李,G.-X。;Huang,S.-J.,ALiPy:Python中的主动学习(2019),arXiv:1901.03802
[84] 唐,J。;埃里克森,L。;福尔克森,J。;Jensfelt,P.,GCNv2:实时SLAM的有效对应预测,IEEE机器人。自动驾驶。利特,4,43505-3512(2019年)
[85] 黄,Z。;黄,L。;龚,Y。;黄,C。;Wang,X.,面具评分R-CNN(2019),arXiv:1903.00241
[86] 弗雷泽·洛格,N。;Hanson,S.J.,辍学是随机增量规则的一个特例:更快更准确的深度学习(2018),arXiv:1808.03578
[87] Hanson,S.J.,delta规则的随机版本,Phys。D、 42265-272(1990年)
[88] 罗,L。;熊,Y。;刘,Y。;Sun,X.,具有动态学习率界的自适应梯度法(2019),arXiv:1902.09843
[89] 布鲁斯医学博士。;斯托克,C。;Holzinger,A.,Augmentor:用于机器学习的图像增强库(2017),arXiv:1708.04680
[90] 克里兹夫斯基,A。;萨茨克弗,I。;Hinton,G.E.,《利用深卷积神经网络进行图像网络分类》,Commun。Acm,60、6、84-90(2017年)
[91] Liu,Y.-R。;胡,Y.-Q。;钱,H。;Yu,Y。;Qian,C.,ZOOpt:无导数优化工具箱(2017),arXiv:1801.00329
[92] [链接]。网址https://github.com/denizyuret/Knet.jl。
[93] [链接]。网址https://github.com/FluxML/Flux.jl。
[94] [链接]。网址https://github.com/malmaud/TensorFlow.jl。
[95] G、 Ditzler,J.C.Morrison,Y.Lan,G.L.Rosen,Fizzy:元基因组学的特征子集选择,16(2015)358。http://dx.doi.org/10.1186/s12859-015-0793-8。
[96] 威奇,B。;费舍尔,A。;Hennebert,J.,DLL:快速深层神经网络库,(Pancioni,L.;Schwenker,F.;Trentin,E.,模式识别中的人工神经网络,Annpr 2018。模式识别中的人工神经网络,Annpr 2018,人工智能课堂讲稿,第11081卷(2018)),54-65
[97] 拉克考克斯,C。;因内斯,M。;Ma,Y。;贝当古,J。;白色,L。;Dixit,V.,DiffiQflux.jl-神经微分方程的Julia库(2019年),arXiv:1902.02376
[98] [链接]。网址https://github.com/JuliaDiffEq/differentials.jl。
[99] 黄国宝。;朱清元。;Siew,C.K.,极限学习机:前馈神经网络的新学习方案,(2004年IEEE神经网络联合会议,第1-4卷,会议记录。2004年IEEE神经网络国际联席会议,第1-4卷,IEEE神经网络国际联席会议(IJCN)(2004年)),985-990
[100] 加州卡松市。;周,H。;黄国博。;Vong,C.M.,大数据ELMs代表性学习,IEEE Intell。系统,28,6,31-34(2013)
[101] 唐,J。;邓,C。;黄国斌,多层感知器的极限学习机,IEEE Trans。神经网络。学习。系统,27,4809-821(2015)
[102] 欧阳,Z.C。;牛建伟。;刘,Y。;Guizani,M.,基于深层CNN的自动驾驶车辆实时交通灯检测器,IEEE Trans。暴徒。计算机,19,2300-313(2020年)
[103] 李,我。;Lee,K.,物联网(IoT):企业的应用、投资和挑战,总线。Horiz.,58,4,431-440(2015年)
[104] 古比,J。;布亚,R。;马鲁西奇。;Palaniswami,M.,物联网(IoT):愿景、建筑元素和未来方向,未来一代。计算机。《国际法学杂志》,第29、7、1645-1660页(2013年)
[105] 阿特里。;Iera,A。;Morabito,G.,物联网:调查,计算机。网络,54,15,2787-2805(2010)·Zbl 1208.68071
[106] 梅,G。;徐,N。;秦,J。;王,B。;Qi,P.,地质灾害防治物联网(IoT)调查:应用、技术和挑战,IEEE Internet Things J.,1(2019)
[107号] 穆罕默迪,M。;Al-Fuqaha,A。;索鲁尔,S。;Guizani,M.,物联网大数据和流式分析的深度学习:调查,IEEE Common。苏尔夫。导师,20,4,2923-2960(2018年)
[108] Mahdavinejad,理学硕士。;雷兹万,M。;巴雷卡坦,M。;阿迪比,P。;巴纳吉,P。;Sheth,A.P.,物联网数据分析的机器学习:调查,数字。公社。网络,4,3,161-175(2018年)
[109号] [链接]。网址https://invenia.github.io/blog/。
[110] [链接]。网址https://juliacomputing.com/case-studies/fugro-roames-ml.html。
[111] 格里斯,英国理工学院。;Lo,D.S。;萨欣,N。;克劳斯,奥兹。;莫里斯,Q。;布恩,C。;Andrews,B.J.,表型分析的机器学习和计算机视觉方法,细胞生物学杂志,216,1,65-71(2017)
[112] 奈克,N。;南卡罗来纳州科米纳。;拉斯卡尔,R。;格莱泽,E.L。;伊达尔戈,C.A.,《计算机视觉揭示城市物理变化的预测因素》,Proc。自然。阿卡德。科学。美国,114,29,7571-7576(2017)
[113] 帕特尔,A.K。;Chatterjee,S.,使用概率神经网络的基于计算机视觉的石灰岩类型分类,Geosci。正面,7,1,53-60(2016)
[114] 戈帕拉克里希南,K。;Khaitan,S.K。;乔达里,A。;Agrawal,A.,基于计算机视觉的数据驱动路面破损检测的深度卷积神经网络。建造。材料,157322-330(2017)
[115] 查永杰。;陈建刚。;Buyukozturk,O.,使用基于相位的光流和无迹卡尔曼滤波器输出基于计算机视觉的损伤检测,工程结构,132300-313(2017)
[116] [链接]。网址https://github.com/FluxML/Metalhead.jl。
[117] [链接]。网址https://github.com/peterkovesi/imageprojectvegeometry.jl。
[第118号] 赫施伯格,J。;曼宁,C.D.,自然语言处理进展,科学,349,6245,261-266(2015)·Zbl 1355.68275
[119] 波里亚,S。;坎布里亚,E。;Gelbukh,A.,《使用深度卷积神经网络进行意见挖掘的方面抽取》,Knowl.-Based System.,10842-49(2016)
[120] 杨,T。;哈扎里卡,D。;波里亚,S。;Cambria,E.,基于深度学习的自然语言处理的最新趋势,IEEE计算机。因特尔。杂志,13,3,55-75(2018年)
〔121〕 吉门尼斯,M。;帕兰卡,J。;Botti,V.,用于改进自然语言处理性能的卷积神经网络中基于语义的填充。情绪分析研究案例,神经计算,378315-323(2020)
[122号] 刘文博。;王,Z.D。;刘晓华。;泽尼。;Liu,Y.R。;Alsaadi,F.E.,深度神经网络结构及其应用的调查,神经计算,234,11-26(2017)
[123号] [链接]。网址https://github.com/hshindo/LightNLP.jl。
[124] 刘海峰。;韩,X.F。;李,X.R。;姚,Y.Z。;黄,P。;Tang,Z.M.,使用暹罗网络进行道路检测的深度表征学习,多媒体工具应用,78,17,24269-24283(2019)
[125] Cuenca,L.G。;普尔塔斯,E。;安德烈,J.F。;Aliane,N.,在环形交叉机动中使用强化学习和Q-学习的自动驾驶,电子,8,12,13(2019年)
[126] 德斯贾丁斯,C。;Chaib draa,B.,《协同自适应巡航控制:强化学习方法》,IEEE Trans。因特尔。运输。系统,12,4,1248-1260(2011年)
[127号] 萨姆西,S。;加杜帕利,V。;赫尔利,M。;琼斯,M。;高娥。;莫辛德拉,S。;蒙蒂西奥洛,P。;鲁瑟,A。;史密斯,S。;宋,W。;斯塔赫利,D。;Kepner,J.,静态图挑战:子图同构,(2017 IEEE高性能极限计算会议(HPEC)(2017)),1-6
[128] [链接]。网址https://github.com/JuliaGraphs/LightGraphs.jl。
[129] 恩特拉库,B。;Bunnjaweht,D.,一种成本效益高的软件定义无线电接收器,用于使用Python和RTL-SDR演示通信和信号处理的概念,(2014年第四届数字信息和通信技术及其应用国际会议、2014年第四届数字信息通信技术及其应用国际会议、国际数字信息通信技术及其应用大会(2014年)),394-399
[130] 基迪恩,K。;尼琳达,C。;Temaneh Nyah,C.,基于回声状态网络的纳米比亚北部无线通信无线电信号强度预测,Iet Common.,11,12,1920-1926(2017)
[131号] 斯利瓦斯塔瓦,P。;康,M。;冈乌贡德拉,S.K。;林,S。;崔,J。;高级,V。;Kim,新南威尔士州。;Shanbhag,N.,PROMISE:用于机器学习算法的可编程混合信号加速器的端到端设计,(2018年Acm/Ieee第45届计算机体系结构国际年会。2018年Acm/Ieee第45届计算机体系结构国际年会,会议论文集年度计算机体系结构国际研讨会(2018)),43-56
[132] Bishop,C.M.,模式识别和机器学习(2006),Springer·Zbl 1107.68072
[133] 米列夫斯基,R。;Govindaraju,V.,从复写医学表格图像中手写文本的二值化和清除,模式识别,41,4,1308-1315(2008)
[134号] 阿南德,R.S。;斯特伊,P。;贾恩,S。;比伦特区。;巴特,H。;蒙泰罗,K。;费勒,E。;兰尼,M.L。;萨卡,I.N。;Chen,E.S.,使用机器学习和严重程度指数预测糖尿病ICU患者的死亡率,AMIA Jt。峰会翻译。科学。程序,2017年,310-319(2018年)
[135] [链接]。网址https://github.com/JuliaStats/GLM.jl。
[136] [链接]。网址https://github.com/JuliaText/Languages.jl。
[137] [链接]。网址https://julialang.org/blog/2019/08/2019-julia-survey。
[138] 荣,H。;帕克,J。;祥,L。;安德森T.A。;Smelyanskiy,M.,(Sparso:稀疏线性代数的上下文驱动优化.Sparso:稀疏线性代数的上下文驱动优化,2016年并行体系结构与编译技术国际会议(2016年)),247-259
[139号] 铅垂,G。;帕乔里,D。;康多,R。;Singh,V.,SnFFT:排列上函数傅里叶分析的Julia工具箱,J.Mach。学习。第163469-3473号决议(2015年)·Zbl 1351.68006
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。