深度神经网络 DNN

深度神经网络(Deep Neural Networks, 以下简称DNN)是深度学习的基础,而要理解DNN,首先我们要理解DNN模型,下面我们就对DNN的模型与前向传播算法做一个总结。 https://zhuanlan.zhihu.com/p/29815081 1 从感知机到神经网络 感知机的模型,... ...

图卷积神经网络 GCN 沈华伟(1 谱方法)

视频连接:2020 CCF 沈华伟 GNN 1.概述 卷积神经网络的成功的原因:能够学习到数据中局部信息,通过局部化卷积核,实际上是一种参数共享的方式。 然后通过逐层堆叠的方式,把局部的卷积核变成多尺度的层次模式。从而实现特征学习的一个效果。 1.1 局部卷积核: 平移不变性,可以得到与位置无关的一... ...

用python做时间序列预测六:相关函数图、偏相关函数图、滞后图

经典的时间序列预测方法都是假设如果一个时间序列有显著的自相关性,那么历史值对预测当前值会很有帮助,但是究竟取多少阶的历史值,就需要通过分析相关函数图和偏相关函数图来得到。本文介绍如何什么是相关函数图和偏相关函数图,另外还会介绍一下滞后图。 什么是自相关和偏自相关函数? 先来解释下滞后阶数n,如果当前 ...

用python做时间序列预测五:时间序列缺失值处理

有的时候,一些时刻或连续时间段内的值无法采集到,或者本身就没有值,本文将介绍如何处理这种情况。 一般而言,有以下几种方法: 对所有的缺失值用零填充。 前向填充:比如用周一的值填充缺失的周二的值 后向填充:比如用周二的值填充缺失的周一的值 采用n最近邻均值法填充:比如n取2,则用t-2,t-1,t+1 ...

“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”错误的解决办法

换了一台RTX2060的电脑之后,用tensorflow做实验发现没有使用GPU,那我换电脑就没有意义了。然后百度发现tensorflow-gpu才是使用GPU来运算的。于是又花了三个多小时来下载安装,为啥比CPU的复杂这么多,唉~。终于安装成功之后,运行程序的时候又报错,也就是本文这个错误,查阅资 ...

重磅! 2020年最新计算机视觉学习路线教程

这篇文章主要是基于我自己的经验,侧重于计算机视觉学习资源的介绍,如果大家按照这个路线去学,相信这将在很大程度上促进提高你的计算机视觉知识水平。 在开始学习计算机视觉之前,我们先来了解有关机器学习和python基础知识。 框架(Frameworks) 虽然你不必从一开始就去考虑选择何种框架,但是实践应 ...

具有注意力机制的seq2seq模型

作者|Renu Khandelwal 编译|VK 来源|Towards Data Science 在本文中,你将了解: 为什么我们需要seq2seq模型的注意力机制? Bahdanua的注意力机制是如何运作的? Luong的注意力机制是如何运作的? 什么是局部和全局注意力? Bahdanua和Luo ...

分享一个文字转成语音的工具,视频配音神器

可以把文字自动转成语音声音的免费工具,生成完下载mp3就可以。 经常在很多视频中看到有些不是真人录音发声,而是类似机器人的声音,有男声有女声,还有儿童的,很多很火的抖音快手视频也在用这种声音。 假如你在制作视频时不想真人配音,或者你嗓子不舒服录音效果不好,又或者你是男的却想用女生扮演妹子配音怎么办呢 ...

变电站GPS校时产品(GPS对时设备)在线监测技术

变电站GPS校时产品(GPS对时设备)在线监测技术 变电站GPS校时产品(GPS对时设备)在线监测技术 京准电子科技技术交流VX(ahjzsz) 1 、引言 智能变电站时间同步是智能变电站运行的基本组成部分,它利用时间同步系统为智能变电站中的所有智能电子设备提供可靠稳定的时间同步信息,目前基本采用P ...

神经网络中的批标准化

作者|Emrick Sinitambirivoutin 编译|VK 来源|Towards Data Science 训练学习系统的一个主要假设是在整个训练过程中输入的分布保持不变。对于简单地将输入数据映射到某些适当输出的线性模型,这种条件总是满足的,但在处理由多层叠加而成的神经网络时,情况就不一样了 ...

用python做时间序列预测四:平稳/非平稳时间序列

上篇文章简单提到了应该用平稳时间序列做预测,本文将介绍具体概念和原因。 Stationary Series 平稳序列 平稳序列有三个基本标准: 1、序列的均值(mean)不应该是时间的函数(意思是不应该随时间变化),而应该是一个常数。下面的左图满足这个条件,而右图的均值受时间的变化影响。 2、序列的 ...

用python做时间序列预测三:时间序列分解

在初始概念篇中,我们简单提到了时间序列由趋势、周期性、季节性、误差构成,本文将介绍如何将时间序列的这些成分分解出来。分解的使用场景有很多,比如当我们需要计算该时间序列是否具有季节性,或者我们要去除该时间序列的趋势和季节性,让时间序列变得平稳时都会用到时间序列分解。 加法和乘法时间序列 时间序列的各个 ...

用python做时间序列预测一:初识概念

利用时间序列预测方法,我们可以基于历史的情况来预测未来的情况。比如共享单车每日租车数,食堂每日就餐人数等等,都是基于各自历史的情况来预测的。 什么是时间序列? 时间序列,是指同一个变量在连续且固定的时间间隔上的各个数据点的集合,比如每5分钟记录的收费口车流量,或者每年记录的药物销量都是时间序列。 时 ...

计算机视觉新手指南

通过机器的眼睛去探索 如果我们想让机器学会思考,就需要教他们学会如何用视觉去看周围环境。—— 斯坦福大学AI实验室和斯坦福视觉实验室主任李飞飞 使计算机或手机等机器看到周围环境的现象称为计算机视觉。机器仿生人眼的研究工作可以追溯到50年代,从那时起,我们已经走了很长一段路。计算机视觉技术已经通过不同 ...

对命名实体识别进行基准测试:StanfordNLP,IBM,spaCy,Dialogflow和TextSpace

作者|Felix Laumann 编译|VK 来源|Towards Data Science NER是信息提取的一个子任务,它试图定位并将非结构化文本中提到的指定实体划分为预定义的类别,如人名、组织、位置、医疗代码、时间表达式、数量、货币。 我们创建了我们自己的小型测试数据集,其中11个示例来自谷歌 ...

医学模型深度学习训练的挑战

作者|Rishiraj Acharya 编译|VK 来源|Medium 在医学数据集的训练算法期间面临的许多问题中,这三个最常见: 类别不均衡 多任务 数据集大小 对于这些问题,我将分享一些解决问题的技术。 类别不均衡挑战 在现实世界中,我们看到的健康人比患病的人要多得多,这也反映在医学数据集中。健 ...

卷积神经网络(CNN)简易教程

作者|Renu Khandelwal 编译|VK 来源|Medium 让我们先来了解一下我们的大脑是如何识别物体的。我们将学习什么是CNN, CNN如何利用大脑的启发进行物体识别,CNN是如何工作的。 让我们来了解一下我们的大脑是如何识别图像的 根据诺贝尔奖获得者Hubel和Wiesel教授的说法, ...

<1···141516···39>