判别

【TTS回顾】深度解析VITS2，与VITS对比

核心特性：单阶段端到端：消除传统系统的级联误差对抗训练策略：引入多周期判别器提升音质可扩展架构：支持单/多说话人、多语言
kakaZhui·2025-05-22 05:49

macbert4csc纠错

然后输入linear判别器，判断和正确的句子做二分类
ox180x·2025-05-22 01:55

MATLAB实现GAN用于图像分类

生成对抗网络（GAN）是一种强大的生成模型，由生成器（Generator）和判别器（Discriminator）组成。生成器用于生成图像，判别器用于判断图像是真实的还是生成的。
jllllyuz·2025-05-21 02:53

【学习笔记】 陈强-机器学习-Python-Ch11 决策树（Decision Tree）

课后题练习】陈强-机器学习-Python-Ch5逻辑回归（SAheart.csv）【学习笔记】陈强-机器学习-Python-Ch6多项逻辑回归【学习笔记及课后题练习】陈强-机器学习-Python-Ch7判别分析
赛博机器喵·2025-05-17 11:27

生成式AI的技术突破与行业落地：从模型架构到产业赋能

不同于传统判别式AI，生成式模型通过自监督学习掌握数据生成规律，在文本、图像、音视频等多模态领域展现出强大的内容
尘烬海·2025-05-16 23:46

西瓜书【机器学习（周志华）】目录

机器学习常用术语解释模型的评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4偏差与方差第二部分：核心算法线性模型3.1什么是回归3.2一元线性回归3.3多元线性回归3.4对数几率回归3.5线性判别分析
随机森林404·2025-05-16 21:25

降维算法是什么

常见的降维算法包括主成分分析(PCA)、线性判别分析(LDA)和t-SNE。
Nate Hillick·2025-05-11 23:05

施努卡：机器视觉的发展现状（机器视觉工业）

CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作
施努卡机器视觉·2025-05-10 01:30

生成对抗网络：解锁无限创意的深度学习秘籍

1.3GAN在深度学习中的重要性与应用场景二、GAN的基本概念2.1对抗学习（AdversarialLearning）原理2.1.1对抗学习的核心机制2.1.2对抗学习的应用2.2生成器（Generator）与判别器
才华横溢caozy·2025-05-07 16:56

LSTM-GAN生成数据技术

2.技术原理生成对抗网络（GAN）由生成器和判别器两部分组成：生成器：学习数据分布并生成与真实数据相似的样本判别器：区分真实数据和生成数据在缺失值填补任务中，GAN通过学习
长长同学·2025-05-06 19:52

生成式AI与多模态技术深度解析

关键技术：生成对抗网络（GANs）：生成器与判别器对抗优化，用于图像生成（如StyleGAN生成人脸）。
小赖同学啊·2025-05-06 10:26

生成对抗网络（Generative Adversarial Networks GANs）

GAN由两个神经网络组成：生成器（Generator）和判别器（Discriminator），它们通过对抗训练的方式进行优化。
嘿丨嘿·2025-05-04 19:09

生成对抗网络（Generative Adversarial Network，简称GAN

GAN通过两个神经网络——生成器（Generator）和判别器（Discriminator）的相互对抗来进行学习，从而生成逼真的数据。以下将详细解释GAN的基本原理及其训练过程。
俊星学长·2025-05-04 19:38

【机器学习】生成对抗网络 (Generative Adversarial Networks | GAN)

GAN的核心理念是通过训练两个神经网络，生成器(Generator)和判别器(Discriminator)，它们相互对抗、相互学习，以提高生成器生成数据的质量
林九生·2025-05-04 19:07

SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks论文笔记

本文提出了一个新的框架--sentyan,它有多个生成器和一个多类判别器,以解决上述问题。在我们的
catbird233·2025-05-03 13:22

机器视觉是指用计算机实现什么的视觉功能,人工智能：机器视觉的5个优势

机器视觉系统是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作
思一缘·2025-04-30 05:32

腾讯整理最常见的78道面试题：面试必备（含答案）

Q2、我现在有个程序，发现在Windows上运行得很慢，怎么判别是程序存在问题还是软硬件系统存在问题?Q3、测试的策略有哪些?Q4、正交表测试用例设计方法的特点是什么?Q5、描述使用bugzi
软件测试资料侠~·2025-04-24 20:00

firefox火狐国际版

https://www.mozilla.org/en-US/firefox/new/国内版就是输入火狐出来的官网就是判别国内火狐的方法打开帮助-关于firefox-国内版会有一行北京谋智网络技术有限公司
樱雪snow·2025-04-23 07:30

第05篇：对抗蒸馏（Adversarial Knowledge Distillation）——让学生“骗过”判别器的秘密

目录对抗蒸馏简介背后的动机与挑战方法原理详解模型结构设计PyTorch实现（含判别器与训练循环）训练策略与技巧实验效果与分析进阶变体与未来趋势总结对抗蒸馏简介：将GAN思维引入KD知识蒸馏（KnowledgeDistillation
厚衣服_3·2025-04-22 21:32

基于pytorch实战项目的总结经验（2)

详细分享一下模型训练经验，新手且好久没有跑深度学习项目了，可能会有些错误项目案例：时尚服饰判别：FashionMNIST准备数据集：数据预处理：Fashion-MNIST数据集中每个图像都是一个28x28
sannyly·2025-04-22 16:30

【系统架构设计师】信息安全的概念

3.完整性:只有得到允许的人才能修改数据，并且能够判别出数据是否已被篡改。4.可用性:得到授权的实体在需要时可访问数据，即攻击者不能占用所有的资源而阻碍授权者的
王佑辉·2025-04-22 16:54

vscode报错Already included file name ‘xxx‘ differs from file name ‘xxx‘ only in casing的解决方法：

在这种情况下，vscode缓存中放的是relationDemo.vue，改了大小写后，vscode试图把RelationDemo.vue文件放进缓存是，判别到重复了，就会提示错误：Alreadyincludedfilename
Lysun001·2025-04-20 04:48

CCF CSP 第35次（2024.09）（1_密码_C++）（哈希表）

）解题思路：思路一（哈希表）：代码实现代码实现（思路一（哈希表））：时间限制：1.0秒空间限制：512MiB原题链接解题思路：思路一（哈希表）：1、解题步骤拆分：①数据输入：第一行输入整数n(n代表待判别的密码个数
Dream it possible！·2025-04-13 01:42

从零实现DCGAN：生成二次元动漫头像

一、GAN技术原理与DCGAN架构生成对抗网络（GAN）由生成器（Generator）和判别器（Discriminator）组成，通过对抗训练实现数据生成。
Evaporator Core·2025-04-12 11:47

LeetCode74.搜索二维矩阵

大家好，今天我将给大家讲一个关于二维搜索矩阵的简单方法，大家如果觉得好的话不妨给个免费点赞吧^_^.题目要求，如图所示:此题我用的是堆的形式直接把二维数组转为一级数组，然后再用二分查找的方式，就能直接判别目标值了
付宇轩·2025-04-11 22:47

地质科研智能革命：当大语言模型“扎根”地质现场、大语言模型本地化部署与AI智能体协同创新实践

大语言模型（LLM）与AI智能体的本地化部署技术，正在为这一领域带来‌三重新范式突破‌：‌知识提取‌：从百年地质文献中构建结构化知识图谱‌决策辅助‌：基于岩石薄片图像与地球化学数据的智能矿物判别‌流程再造‌
KY_chenzhao·2025-04-09 06:46

条件生成对抗网络（CGAN）概念解析与用法实例：生成以假乱真的特定数字图像

目录1.前言2.CGAN原理2.1条件信息的嵌入2.2生成器和判别器2.3损失函数3.CGAN的实例：生成以假乱真的特定数字图像3.1导入必要的库3.2定义超参数3.3加载数据集3.4定义生成器3.5定义判别器
橙色小博·2025-04-07 19:00

AIGC：让生成式AI成为自己的外脑

与传统的判别式AI相比，生成式AI不仅能够识别和分析
陈橘又青·2025-04-07 15:36

for循环补充

表达式1--》表达式2（判别表达式）--》为真--》循环体。--》表达式3--》表达式2（判别表达式）--》为真--》循环体--》表达式3--》表达式2（判别表达式）。。。。
University of Feriburg·2025-04-06 13:52

生成式专题的第三节课--cGAN的Pix2Pix

而cGAN通过向生成器和判别器的输入层中添加额外的条件信息，实现了对生成内
北辰星Charih·2025-04-06 07:36

利用多层感知机MLP实现GAN网络（pytorch版）

GenerativeAdversarialNets一、理论部分1.1基本原理1.2损失函数1.3训练流程1.4GAN的常见问题与解决方案1.5进阶方向二、代码实现2.1导包2.2数据加载和处理2.3构建生成器2.4构建判别器
入梦风行·2025-04-05 06:52

WGAN-GP 原理及实现（pytorch版）

WGAN-GP原理及实现一、WGAN-GP原理1.1WGAN-GP核心原理1.2WGAN-GP实现步骤1.3总结二、WGAN-GP实现2.1导包2.2数据加载和处理2.3构建生成器2.4构建判别器2.5
入梦风行·2025-04-05 05:48

2025-04-01 AGI大模型学习路线，非常详细收藏我这一篇就够了

先快速上手体验prompt工程，然后再学习其架构，跑微调脚本如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上
大模型入门学习·2025-04-01 18:25

前沿算法优化与多场景应用实践

在基础算法层，量子算法通过叠加态与纠缠态特性突破经典计算瓶颈，联邦学习结合差分隐私与模型聚合技术构建分布式安全框架，生成对抗网络（GAN）则通过生成器与判别器的动态博弈优化图像合成效果。
智能计算研究中心·2025-04-01 18:21

LevelDB源码解析 | 04.3 SST之布隆过滤器

目录布隆过滤器原理bloomfilter的实现bloomfilter的使用过滤器的格式filterblock的构造使用过滤器的判别过程在前面关于SST文件的章节中，我们提到SST文件中包含indexblock
Jessie-jx·2025-03-31 22:02

从感知器准则到最小平方误差准则——与神经网络的发展类比

与神经网络的发展类比感知器准则→\rightarrow→最小平方误差判别∣∣||∣∣↓\downarrow↓神经网络，误差反馈学习∣∣||∣∣感知器模型（误差反馈学习）→\rightarrow→线性神经单元
phoenix@Capricornus·2025-03-27 05:48

深度学习学习经验——生成对抗网络（GAN）

GAN通过两个网络——生成器（Generator）和判别器（Discriminator）的对抗训练来生成逼真的数据。1.GAN的基本概念GAN主要由两个部分组成：生成器（Ge
Linductor·2025-03-26 19:37

Pytorch实现之对称卷积神经网络结构实现超分辨率

该判别模型由多层神经网络组成，其损失函数基于生成式对抗网络生成的判别模型损失函数。论文题目：ImageSuper-resolutionReconstruction
这张生成的图像能检测吗·2025-03-26 17:51

黄仁勋GTC大会对AI的展望-英伟达进入Agentic AI时代

主要内容AgenticAI的兴起技术范式转移：黄仁勋指出，AI已经经历了三代技术范式的转移，从判别式AI（如语音识别、图像识别）到生成式AI，再到如今的AgenticAI。未来将是影响物理世界的
帅森森聊AI和职场(公众号同名)·2025-03-25 21:45

MATLAB 控制系统设计与仿真 - 28

所以，在实现极点的任意配置前，必须判别受控系统的能控性。下面结合例子介绍
东雁西飞·2025-03-19 03:43

AI如何创作音乐及其案例

生成对抗网络（GAN）：包含生成器和判别器，生成器负责生成音乐样本，判别器判断生成的音乐是否真实。两者相互对抗、不断优化，使生成器生成更逼真的音乐。变分自编码器（
alankuo·2025-03-17 21:44

如何使用 Python 实现生成对抗网络

GAN模型由两个神经网络组成：一个生成器和一个判别器。生成器的任务是以噪声为输入，生成看似真实的图像；而判别器则需要根据输入的图像，判断该图像是真实的还是由生成器生成的。
NoABug·2025-03-17 17:15

GAN模型的Python应用——生成对抗网络

GAN模型由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。生成器用于生成假样本，判别器用于评估真实性。
代码编织匠人·2025-03-17 17:15

如何使用Python实现生成对抗网络（GAN）

生成对抗网络（GAN）是一种深度学习模型，由两个部分组成：生成器和判别器。生成器负责生成与训练数据相似的新数据，而判别器负责判断输入数据是真实的还是由生成器生成的。
「已注销」·2025-03-17 16:13

机器学习 [白板推导]（三）[线性分类]

4.线性分类4.1.线性分类的典型模型硬分类：输出结果只有0或1这种离散结果；感知机线性判别分析Fisher软分类：会输出0-1之间的值作为各个类别的概率；概率生成模型：高斯判别分析GDA、朴素贝叶斯，
神齐的小马·2025-03-17 15:31

【面经】2025年软件测试面试题，精选100 道（附答案）

测试技术面试题1、我现在有个程序，发现在Windows上运行得很慢，怎么判别是程序存在问题还是软硬件系统存在问题？2、什么是兼容性测试？兼容性测试侧重哪些方面？3、测试的策略有哪些？
测试界的路飞·2025-03-17 10:29

GAN生成对抗网络小记

生成对抗网络（GAN）深入解析：数学原理与优化生成对抗网络（GenerativeAdversarialNetwork,GAN）是一个基于博弈论的深度学习框架，通过生成器（G）和判别器（D）之间的对抗训练
文弱_书生·2025-03-14 11:38

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器；3、所以说，有监督的机器学习可以抽象为一个分类task，而无监督的基本完成的是聚类；4、有监督的机器学习中，我们可以概述为通过很多有标记的数据，训练出一个模型，然后利用这个，对输入的X进行预
程序员羊羊·2025-03-07 12:03

Matlab 大量接单

机器学习、深度学习、强化学习、仿真、复现、算法、神经网络、建模、图像识别、数据挖掘、数据获取、爬虫、数据分析、目标检测、算法创新、因子分析、相关分析、方差分析、判别分析、方程分析、线性回归、中介
matlabgoodboy·2025-03-02 17:45

C语言学习5——核心语法4(for、数组)

循环从表达式1开始——>表达式2(判别
不加香菜的锅包肉·2025-02-28 12:33
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他