lmqljt

摘要： https://www.bilibili.com/video/BV1SX4y1S7vj/ "notch", 直译就是"缺口" "notch"是用于检验两组的中位数是否显著不同, 如果不重叠, 就是95%置信度下, 显著不同, 如果重叠, 就是95%置信度下, 不显著. notch"的计算方法: "n 阅读全文

摘要： DLinear的出现就是为了质疑注意力机制系列的能力，注意力机制系列在预测时，如果输入的嗯史数据过长，那么其预测未来的性能会变差。 上图可以看出，随着历史数据窗口的增加，基于注意力机制的那些former系列模型，会随着输入历史数据的长度，效果逐渐变差，而黑色线段代表的作者的模型及Dlinear模型， 阅读全文

摘要： 知乎上有作者的讨论。 Dlinear等线性系列模型 在分类问题上效果就会比较差。从准确率来说 会和其他模型相差的比较多。 异常检测的阈值有很大的问题 这个组 比如smd数据集什么的（我拿了其中的一部分一个机器的丢进去），没有训练的一个cnn模型（一层cnn加激活函数）（gpt写的），知道它的异常率是 阅读全文

摘要： 通道独立更大意义上是扩展数据集，提升模型泛化性能吧，也有几篇论文在讨论这个问题了。毕竟现在时序预测的一个瓶颈就是数据量上不去。 他指的这个通道说的就是特征，比如我有十四个特征不知道你有没有看过itansformer这篇文章，假如我的输入（32，96，14）这代表的是32个样本每个样本大小为96个历史 阅读全文

摘要： 图像从现实到数字文件需要通过采样和量化;文字是简化版的世界。 这样看自回归模型适合用于工程制图，因为它准确，不需要美感（起码大部分不需要），而且对分辨率要求不高（因为复杂组件可以分子图）。理论上无论是扩散还是自回归都可以生成相同的概率分布。确实可以理解为，拟合相同数据分布的两种不同方式。但是要考虑到 阅读全文

摘要： 基于时空信息和注意力融合的车道线检测模型研究 西南交通大学博士研究生学位论文 尽管车道线检测能为驾驶中的车辆提供很多服务，但是，已有的这些功能往往对使用条件要求苛刻，并且在复杂场景下不能很好地检测到车道线。比如，在正常情况下，车道保持（LC）可为车辆提供较好的服务，而在拥挤、遮挡、阴影、暗光等复杂场 阅读全文

摘要： 跨层多尺度信息融合多头自注意力机制等 基于多尺度混合注意力卷积神经网络的关系抽取 基于多种注意力机制的面部表情抑郁识别研究 整合众多相关博士论文的 第二章中相关技术的介绍 学会用数据说话 面向径流预测的时序预测模型及其可解释性研究 XAI 中有多少 X：在水文学和水资源中负责任地使用“可解释的”人工 阅读全文

摘要： 参考： 全网最牛的注意力机制创新思维分析，看了立马提走一篇二区_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV15x4y1h7RX/?vd_source=3ad05e655a5ea14063a9fd1c0dcdee3e 2.2小节 如上图所示，可以修改的 阅读全文

摘要： 逻辑回归可以分为线性与非线性，也可以根据类的个数分为二分类与多分类问题，使用时需要灵活应用，能够构造损失函数并求梯度，同时能够用算法实现并进行训练预测。 事实上，观察后会发现，在逻辑回归中，我们发现是多个输入（即p个指标），最终输出一个结果（0或1），处理过程是输入乘上权重w加偏置b，再对结果用si 阅读全文

摘要： 策略等。 阅读全文