速率 网路learning神经
Tensorflow的简单神经网络
# 导入库 import tensorflow as tf import numpy as np from tensorflow import keras #定义和编译一个神经网络 model = tf.keras.Sequential([keras.layers.Dense(units=1, in ......
机器学习 -> Machine Learning (II)
> 这次来学习深度学习吧! # 1 训练前 ## 1.1 神经元与神经网络 神经元是神经网络的基本单位, 模拟了生物神经元的工作机制. 每个神经元接受一组输入, 将这些输入与其权重相乘, 然后对所有的乘积求和, 并加上一个偏置. 最后, 将得到的结果传递给激活函数. 神经网络由多个神经元组成, 这些 ......
jts learning
JTS简介 JTS提供了一套操作几何向量的java类库。早期版本 com.vividsolutions，已废弃不在维护。现在版本 com.locationtech.jts 由eclipse开源基金会托管 使用说明 入门指导 GIS开发入门指导 jts-core 核心库使用说明 jts-core核心类 ......
Proj CDeepFuzz Paper Reading: Deepxplore: Automated whitebox testing of deep learning systems
## Abstract 背景：现有的深度学习测试在很⼤程度上依赖于⼿动标记的数据，因此通常⽆法暴露罕⻅输⼊的错误⾏为。 本文：DeepXplore Task: a white-box framework to test DL Models 方法： 1. neuron coverage 2. diff ......
基于方面的情感分析的深度上下文和关系感知学习 Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis （ACL2021）
论文对方面级情感分析的三个任务提出了一个解决方案，三个任务共享编码层，通过简单的全连接层进行方面词和观点词的提取，情感分析任务首先做一个自注意力，之后分别与方面词和观点词提取的特征向量做互注意力，通过全连接层进行情感分类。另外，模型还设计了两个子任务，第一个将句子中的词屏蔽，预测这个词属于方面词、观 ......
Learn Git in 30 days——第 08 天：关于分支的基本观念与使用方式
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在 Git 里面 分支 (Branch) 是个非常重要的机制，使用上也必须特别小心，因为项目总不能无限制的「分支 ......
PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子|附代码数据
全文下载链接：http://tecdat.cn?p=26519 最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。 一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题：预测天然气价格，预测范围为 10 天。“进入”时间步长也设置为 10 天。) 只需要 10 天来推断 ......
Learn Git in 30 days——第 07 天：解析 Git 资料结构 - 索引结构
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我们知道在 Git 里两个重要的资料结构，分別是「物件」与「索引」，这篇文章主要用来解说「索引」的细节。使用 G ......
学习笔记416—BP神经网络模型：深入探究与应用
BP神经网络模型：深入探究与应用 导言BP神经网络模型（Backpropagation Neural Network）是一种广泛应用于机器学习和人工智能领域的神经网络模型。它以其强大的非线性拟合能力和适应性而备受关注。1. BP神经网络模型原理1.1 神经网络基础在深入探讨BP神经网络模型之前，我们 ......
循环神经网络RNN完全解析：从基础理论到PyTorch实战
>在本文中，我们深入探讨了循环神经网络（RNN）及其高级变体，包括长短时记忆网络（LSTM）、门控循环单元（GRU）和双向循环神经网络（Bi-RNN）。文章详细介绍了RNN的基本概念、工作原理和应用场景，同时提供了使用PyTorch构建、训练和评估RNN模型的完整代码指南。 > 作者 TechLea ......
神经网络——基于sklearn的参数介绍及应用
一、MLPClassifier&MLPRegressor参数和方法 参数说明（分类和回归参数一致）： hidden_layer_sizes :例如hidden_layer_sizes=(50, 50)，表示有两层隐藏层，第一层隐藏层有50个神经元，第二层也有50个神经元。activation :激活 ......
机器学习 -> Machine Learning (I)
# 1 机器学习概述 ## 1.1 定义及应用领域 机器学习是一种让计算机通过经验学习并对输入数据做出决策或预测的方法. 它是人工智能的一个重要分支, 已广泛应用于各种领域, 如自然语言处理, 计算机视觉, 推荐系统, 医疗诊断, 金融风险预测等. ## 1.2 机器学习与人工智能, 深度学习的关系 ......
循环神经网络
循环神经网络 from mxnet import nd x, w_xh = nd.random.normal(shape=(3, 1)), nd.random.normal(shape=(1, 4)) h, w_hh = nd.random.normal(shape=(3, 4)), nd.rand ......
学习笔记413—python实现BP神经网络进行预测和误差分析（附源代码）
python实现BP神经网络进行预测和误差分析（附源代码） 反向传播算法也称为BP神经网络，是一种带有反馈的神经网络反向学习方法，它可以对神经网络的各层上的各个神经元的各个神经元之间的连接权重进行不断迭代修改，使神经网络将输入数据转换成期望的输出数据 BP神经网络的学习过程由正向传播和反向传播两部分 ......
GPT之路(四) 神经网络架构Transformer工作原理
原文：What Are Transformer Models and How Do They Work? Transformer模型是机器学习中最令人兴奋的新发展之一。它们在论文Attention is All You Need中被介绍。Transformer可以用于写故事、文章、诗歌，回答问题，翻 ......
卷积神经网络更新
基础 高斯核 权重归一化是只核中每一个元素的值都除以这个核中所有元素值的总和，我们将进行权重归一化的模板称为平滑模板。 也就是说对核中心的值归一化的时候，如果增大模板则分子不变分母变大，因此核中心的值归一化后变小，这会导致图像中中心像素的权值变小，因此中心像素越容易受到周围像素的影响，核的平滑效果越 ......
Learn Git in 30 days——第 06 天：解析 Git 资料结构 - 物件结构
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在 Git 的资料结构中，「物件」是一种「不可变的」 (immutable) 文件类型，所有储存在「物件储存区」 ......
网路编程学习3
线程竞争 一、基本概念 竞争与同步 同一进程中的线程共享进程中的绝大多数资源，当它们随意竞争时可能会导致资源被破坏、 脏数据、不完整问题。 通过一些手段让线程在竞争资源时互相协调、避免出现以上问题，这就称为线程同步 原子操作： 操作过程中不能被打断的操作称之为原子操作 临界资源、临界区、竞态条件： ......
[论文理解] HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation
# HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation 上科大发布的头和脖子精细建模的参数化模型HACK。 ## 纹理转化 由于HACK没有开源纹理基，我将FLAME开源的纹理基迁移到了HACK上，代 ......
神经网络算法
以下是一个简单的神经网络算法的代码示例，用于解决二分类问题： 点击查看代码 ``` import numpy as np # 定义激活函数 def sigmoid(x): return 1 / (1 + np.exp(-x)) # 定义神经网络类 class NeuralNetwork: def _ ......
论文解读（MetaAdapt）《MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning论文作者：Zhenrui Yue、Huimin Z ......
深度学习（十二）——神经网络：搭建小实战和Sequential的使用
# 一、torch.nn.Sequential代码栗子 > 官方文档：[Sequential — PyTorch 2.0 documentation](https://pytorch.org/docs/stable/generated/torch.nn.Sequential.html#sequent ......
Learn Git in 30 days——第 05 天：了解仓库、工作目录、物件与索引之间的关系
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在使用 Git 版本控制的过程中，有些很基本的观念必须被建立，这样才能更有效率也更有意义的学下去。有清楚且正确的 ......
深度学习（十一）——神经网络：线形层及其他层介绍
主要介绍神经网络线性层的计算，即torch.nn.Linear的原理及应用。并插入一些神经网络的其他层介绍，及调用pytorch中网络模型的方法。 ......
R语言神经网络模型预测多元时间序列数据可视化|附代码数据
全文链接：http://tecdat.cn/?p=32198 最近我们被客户要求撰写关于神经网络的研究报告，包括一些图形和统计输出。 多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题 （ 点击文末“阅读原文”获取完整代码数据******** ）。 多元时间序列预测的一个基本 ......
卷积神经网络
### 卷积神经网络整体架构  ### 卷积层涉及参数 ![](https://img2023.cnblogs.c ......
头疼！卷积神经网络是什么？CNN结构、训练与优化一文全解
> 本文全面探讨了卷积神经网络CNN，深入分析了背景和重要性、定义与层次介绍、训练与优化，详细分析了其卷积层、激活函数、池化层、归一化层，最后列出其训练与优化的多项关键技术：训练集准备与增强、损失函数、优化器、学习率调整、正则化技巧与模型评估调优。旨在为人工智能学者使用卷积神经网络CNN提供全面的指 ......
Learn Git in 30 days——第 04 天：常用的 Git 版本控制指令
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 本篇文章将带大家学会几个最重要也最基本的版控工作，其中将包含基本的文件操作如新增、删除、重新命名文件，提交变更 ......
OpenCV3.3深度神经网络DNN模块 实例6：CNN模型预测性别与年龄
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp> 3 #include <iostream> 4 5 using namespace cv; 6 using namespace cv::dnn; 7 using namespac ......