时间序列预测论文阅读第29页

论文阅读：ByteNet, Neural Machine Translation in Linear Time

NeuralTranslationModel给定源语言strings,通过网络模型来估计目标语言stringt的概率分布p(t|s)。与PixelCNN类似，t的联合概率分布可以通过链式法则转化为连续的p(ti|t

qq184861643·2023-10-26 07:32

论文阅读（一）城市干道分段绿波协调控制模型研究

[1]酆磊,赵欣,李林等.城市干道分段绿波协调控制模型研究[J].武汉理工大学学报(交通科学与工程版),2021,45(06):1034-1038.主要内容：该文介绍了基于绿波带宽和关联度的城市干道分段绿波协调控制模型。通过将主干道划分为不同子区域，并根据路段特点进行精准化控制，实现了分段绿波控制。仿真试验结果表明，实施分段绿波后，主干道总体延误时间、停车次数、排队长度均有显著的优化效果。该方案能

七刀·2023-10-26 07:08

模型实践 | Autoformer 长时序预测

实验｜Vachel算力支持｜幻方AIHPC长时间序列预测（Long-TermSeriesForecasting，以下称为LTSF）在现实世界中有非常广阔的应用场景，例如电力资源预估、疾病传播与扩散、经济发展预测等实际问题

幻方AI小编·2023-10-26 02:34

Transformer模型 | iTransformer时序预测

然而，最近一些研究开始质疑基于Transformer的时间序列预测模型的有效性。这些模型通常将同一时间戳的多个变量嵌入到不可区分的通道中，并在这些时间标记上应用注意力机制来捕捉时间依赖关系。

算法如诗·2023-10-26 02:57

【代码复现】RingMo：应用于遥感领域的图像掩码建模技术

lalula1999·2023-10-25 23:11

自监督论文阅读笔记 RingMo: A Remote Sensing Foundation Model with Masked Image Modeling

深度学习方法促进了遥感(RS)图像解释的快速发展。最广泛使用的训练范式是利用ImageNet预训练模型来处理指定任务的RS数据。然而，存在自然场景与RS场景之间的领域差距，以及RS模型泛化能力差等问题。开发具有通用RS特征表示的基础模型是有意义的。由于有大量未标记的数据可用，自监督方法在遥感方面比全监督方法具有更大的发展意义。然而，目前大多数自监督方法都使用对比学习，其性能对数据增强、附加信息以及

YoooooL_·2023-10-25 23:09

论文阅读笔记《PVN3D: A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation》

核心思想本文提出一种基于3D关键点投票网络的姿态估计算法。通过投票的方式从RGBD图像中寻找3D关键点，并采用语义分割网络和中心点检测网络实现实例分割，最后根据实例中关键点和对应模型的关键点之间的匹配关系，利用最小二乘法计算得到图像实例与模型之间的位姿变换（旋转矩阵+平移矩阵），即得目标物体的6D位姿。特点在于本文不是直接从图像中提取关键点，而是利用网络预测每个点与关键之间的位置偏移，然后计算

深视·2023-10-25 19:18

论文阅读笔记《DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion》

核心思想本文提出一种基于RGB-D图像预测目标物体位姿的方法（DenseFusion）。首先，利用一个语义分割网络得到目标物体的分割图像，分别用两个网络用于处理RGB图像和点云图（由深度图获得），将颜色特征和几何特征逐像素的拼接起来，并利用一个特征融合网络获得全局特征。然后将全局特征级联到每个像素的特征向量上，并利用位姿预测网络输出每个像素点对应的位姿估计结果和一个置信度值，最终选择置信度最大

深视·2023-10-25 19:18

【论文阅读笔记】One Shot 3D Photography

论文主页：https://facebookresearch.github.io/one_shot_3d_photography/代码地址：https://github.com/facebookresearch/one_shot_3d_photography 该3D照片方向，由于刚入门，所以会倾向于翻译文章。每个操作上的选择，及为什么不进行另外操作的原因都如数放上。论文小结本作的工作是从单张R

时光机ﾟ·2023-10-25 19:47

On Moving Object Segmentation from Monocular Video with Transformers 论文阅读

论文信息标题：OnMovingObjectSegmentationfromMonocularVideowithTransformers作者：来源：ICCV时间：2023代码地址：暂无Abstract通过单个移动摄像机进行移动对象检测和分割是一项具有挑战性的任务，需要了解识别、运动和3D几何。将识别和重建结合起来可以归结为融合问题，其中需要结合外观和运动特征来进行分类和分割。在本文中，我们提出了一种

玛卡巴卡_qin·2023-10-25 17:47

李沐——论文阅读——VIT(VIsionTransformer)

一、终极结论：如果在足够多的数据上面去做预训练，那么，我们也可以不用卷积神经网络，而是直接用自然语言处理那边搬过来的Transformer，也能够把视觉问题解决的很好（tips：paperswithcode.com——查看各个机器学习领域的Stateofart）二、标题信息：一张图像==很多16*16大小的单词序列三、摘要:在NLP中无论是Bert,GPT还是T5,其中的transformer已经

诚威_lol_中大努力中·2023-10-25 15:13

PaddleX场景实战：PP-TS在电压预测场景上的应用

时间序列预测即运用历史的多维数据进行统计分析，推测出事物未来的发展趋势。时间序列预测是最常见的时序问题之一，在很多行业都有其应用，且通常时序预测效果对业务有着重大影响。

飞桨PaddlePaddle·2023-10-25 15:59

虚假新闻检测论文阅读（九）：Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks

论文题目：RumorDetectiononSocialMediawithBi-DirectionalGraphConvolutionalNetworks论文来源：AAAI2020清华大学官方代码：https://github.com/TianBian95/BiGCN有监督、基于社交上下文、基于新闻传播信息一、基本内容首次将新闻的传播过程建模为图结构，Bi-GCN利用top-down的图表示新闻的传

Quinn-ntmy·2023-10-25 11:05

虚假新闻检测论文阅读（六）：A Deep Learning Model for Early Detection of Fake News on Social Media

论文标题：ADeepLearningModelforEarlyDetectionofFakeNewsonSocialMedia日期：IEEE2020#半监督、#伪标签、#可信度评估一、基本内容训练一个有监督模型和一个无监督模型，但是该工作不仅利用了新闻内容信息，还利用了用户对新闻的评论信息以及作者的可信度信息，使用的信息更为广泛，从而取得了更好的效果。二、主要工作（1）建立一个模型提取用户在评论中

Quinn-ntmy·2023-10-25 11:04

论文阅读--Crop yield prediction using machine learning: A systematic literature review

摘要：Machinelearningisanimportantdecisionsupporttoolforcropyieldprediction,includingsupportingdecisionsonwhatcropstogrowandwhattododuringthegrowingseasonofthecrops.Severalmachinelearningalgorithmshavebe

追忆苔上雪·2023-10-25 08:11

《论文阅读》LORA：大型语言模型的低秩自适应 2021

《论文阅读》LORA:LOW-RANKADAPTATIONOFLARGELAN-GUAGEMODELS前言简介现有方法模型架构优点前言今天为大家带来的是《LORA:LOW-RANKADAPTATIONOFLARGELAN-GUAGEMODELS

365JHWZGo·2023-10-25 07:13

Monocular arbitrary moving object discovery and segmentation 论文阅读

基本信息题目：MonocularArbitraryMovingObjectDiscoveryandSegmentation作者：来源：BMVC时间：2021代码地址：https://github.com/michalneoral/RaptorAbstract我们提出了一种发现和分割场景中独立移动的物体或其部分的方法。给定三个单眼视频帧，该方法输出语义上有意义的区域，即对应于整个对象的区域，即使只有

玛卡巴卡_qin·2023-10-24 22:30

多维时序预测 | Matlab基于麻雀算法(SSA)优化卷积神经网络-门控循环单元(CNN-GRU)多维时间序列预测，SSA-CNN-GRU多维时间序列预测

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多维时序预测|Matlab基于麻雀算法(SSA)优化卷积神经网络-门控循环单元(CNN-GRU)多维时间序列预测，SSA-CNN-GRU多维时间序列预测评价指标包括

前程算法屋·2023-10-24 18:47

时间序列预测 | Matlab基于麻雀算法(SSA)优化卷积神经网络-门控循环单元(CNN-GRU)时间序列预测，SSA-CNN-GRU时间序列

文章目录效果一览文章概述部分源码参考资料效果一览文章概述时间序列预测|Matlab基于麻雀算法(SSA)优化卷积神经网络-门控循环单元(CNN-GRU)时间序列预测，SSA-CNN-GRU时间序列评价指标包括

前程算法屋·2023-10-24 18:47

时序预测 | MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测

时序预测|MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测目录时序预测|MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测预测效果基本介绍模型描述程序设计参考资料预测效果基本介绍

机器学习之心·2023-10-24 18:16

SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测

SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测（Matlab）所有程序经过验证，保证有效运行。可有偿替换数据及其他服务。

「已注销」·2023-10-24 18:44

Transformer模型 | Transformer时间序列预测，单步、多步（Python）

（1）原理Transformer框架原本是为NLP任务，特别是机器翻译而设计的。但由于其独特的自注意力机制，Transformer在处理顺序数据时表现出色，因此被广泛应用于各种序列数据任务，包括回归任务。（a）回归任务中的Transformer：（a1）在回归任务中，Transformer可以捕捉数据中的长期依赖关系。例如，在时间序列数据中，Transformer可以捕捉时间点之间的关系，即使这些

算法如诗·2023-10-24 06:26

论文阅读笔记——拥塞控制算法PCC Vivace

目录PCCVivace阅读笔记PCC和BBR都是垃圾！PCCVivacevs.PCCAllegroAllegro为什么垃圾？Vivace为什么比较牛逼？小结Vivace的目标函数框架小结Vivace如何与传统TCP进行交互？总结PCCVivace阅读笔记本文是关于NSDI'18论文《PCCVivace:Online-LearningCongestionControl》的阅读笔记。受机器学习中的在线

yue2388253·2023-10-24 04:19

[论文阅读]CWD——基于稠密预测的通道式知识蒸馏

CWD基于稠密预测的通道式知识蒸馏论文网址：CWD论文总结这篇论文「Channel-wiseKnowledgeDistillationforDensePrediction」提出了一种针对密集预测任务的基于通道的知识蒸馏方法。下面我详细讲解该方法的主要内容:问题背景在计算机视觉任务中,图像分类只需要预测整张图像的类别,而密集预测需要对每个像素或对象进行预测,输出更丰富的结果,如语义分割、目标检测等。

一朵小红花HH·2023-10-24 04:18

回归预测 | MATLAB实现IWOA-LSTM改进鲸鱼算法算法优化长短期记忆神经网络的数据回归预测（多指标，多图）

IWOA-LSTM改进鲸鱼算法算法优化长短期记忆神经网络的数据回归预测（多指标，多图）效果一览基本介绍程序设计参考资料效果一览基本介绍MPA-BiGRU海洋捕食者算法优化双向门控循环单元的数据多变量回归/时间序列预测可直接运行

机器学习之心·2023-10-23 23:56

LSTM-Attention单维时间序列预测研究（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码实现1概述LSTM-Attention是一种结合了LSTM（长短期记忆）和Attention机制的模型，用于时间序列预测。

长安程序猿·2023-10-23 16:50

2023年10月22日已更新机器学习&深度学习千例目录(已更新636篇)

序号博客名1RNN实现时间序列预测(PyTorch版)-CSDN博客2深度学习手势识别应用-CSDN博客3使用深度学习进行物体识别-CSDN博客4计算机视觉:空气质量监测与图像分析_HelloNiKo的博客

Hello NiKo·2023-10-23 16:14

基于self-attention的LSTM时间序列预测Python程序

基于self-attention的LSTM时间序列预测Python程序特色：1、单变量，多变量输入，自由切换2、单步预测，多步预测，自动切换3、基于Pytorch架构4、多个评估指标（MAE,MSE,R2

黑科技小土豆·2023-10-23 11:27

时序预测 | MATLAB实现基于EMD-LSTM时间序列预测（EMD分解结合LSTM长短期记忆神经网络）

时序预测|MATLAB实现基于EMD-LSTM时间序列预测（EMD分解结合LSTM长短期记忆神经网络）目录时序预测|MATLAB实现基于EMD-LSTM时间序列预测（EMD分解结合LSTM长短期记忆神经网络

机器学习之心·2023-10-23 11:56

【BiLSTM-Adaboost预测】基于双向长短期记忆网络的Adaboost时间序列预测研究（matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码及数据1概述BiLSTM-Adaboost预测是一种基于双向长短期记忆网络（BiLSTM）和Adaboost算法的时间序列预测方法。

长安程序猿·2023-10-23 11:55

时间序列数据简介

前言由于研究方向是时间序列预测，对时间序列数据也颇感兴趣，特此简单记录学习过程。

nsq_ai·2023-10-23 11:13

ORB-SLAM2 论文阅读笔记 + 无痛复现

ORB-SLAM2:用于单目、双目和RGB-D相机的开源SLAM系统一、原文简译摘要I.INTRODUCTION介绍II.RELATEDWORK相关工作A.双目SLAMB.RGB-DSLAMIII.ORB-SLAM2A.单目，远、近立体关键点B.SystemBootstrapping系统引导C.用单目和双目约束进行BAD.循环关闭和全BAE.关键帧插入F.定位模式IV.EVALUATION评估A.

大胜s·2023-10-23 09:13

时间序列预测 | Matlab基于双向门控循环单元(BiGRU)的时间序列预测，matlab代码，要求2020版本及以上

文章目录效果一览文章概述部分源码参考资料效果一览文章概述时间序列预测|Matlab基于双向门控循环单元(BiGRU)的时间序列预测，matlab代码，要求2020版本及以上评价指标包括:MAE、MBE和

前程算法屋·2023-10-23 07:22

多维时序 | MATLAB实现CNN-BiGRU卷积神经网络结合双向门控循环单元多变量时间序列预测

多维时序|MATLAB实现CNN-BiGRU卷积神经网络结合双向门控循环单元多变量时间序列预测目录多维时序|MATLAB实现CNN-BiGRU卷积神经网络结合双向门控循环单元多变量时间序列预测预测结果基本介绍模型特点程序设计学习总结参考资料预测结果基本介绍多维时序

机器学习之心·2023-10-23 07:21

【BIGRU预测】基于双向门控循环单元的多变量时间序列预测（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码及数据1概述BIGRU（BidirectionalGatedRecurrentUnit）是一种基于双向门控循环单元（GRU）的多变量时间序列预测方法

长安程序猿·2023-10-23 07:19

【论文阅读】以及部署BEVFusion: A Simple and Robust LiDAR-Camera Fusion Framework

BEVFusion:ASimpleandRobustLiDAR-CameraFusionFrameworkBEVFusion：一个简单而强大的LiDAR-相机融合框架NeurIPS2022多模态传感器融合意味着信息互补、稳定，是自动驾驶感知的重要一环，本文注重工业落地，实际应用融合方案:前融合（数据级融合）指通过空间对齐直接融合不同模态的原始传感器数据。深度融合（特征级融合）指通过级联或者元素相乘

挥剑决浮云 -·2023-10-23 07:45

【多模态论文阅读】Multi-modal Factorized Bilinear Pooling with Co-Attention Learning for Visual Question Ans

一、亮点对于多模态特征融合，本文开发了一种多模态因子双线性（MFB）池化方法来有效地组合多模态特征；对于细粒度的图像和问题表示，开发了一种“共同注意”机制，使用端到端的深度网络架构来共同学习图像和问题的注意力。二、MCB和MLB的缺点MCB模型依赖于高维输出特征来保证稳健的性能，这可能会由于巨大的内存使用量而限制其适用性。为了克服这个问题，Kim等人提出了基于两个特征向量的Hadamard乘积的多

CC‘s World·2023-10-23 04:14

时间序列预测 DDSTGCN: Dual Dynamic Spatial-Temporal Graph Convolution Network for Traffic Prediction...

DDSTGCNDualDynamicSpatial-TemporalGraphConvolutionNetworkforTrafficPrediction1.概述2.模型结构3.DualSpatial-TemporalBlock【DST-Block】——双重时空块捕获交通流图的节点和边的时空特征3.1dualtransformations对偶变化——实现交通流图与其超图之间的互相变换3.2DIM模

苹果就叫不呐呐·2023-10-23 03:01

【论文阅读笔记】MSNet: A Seismic Phase Picking Network Applicable to Microseismic Monitoring

论文阅读笔记：MSNet:ASeismicPhasePickingNetworkApplicabletoMicroseismicMonitoring摘要MSNet的微震相位拾取的全卷积网络从模型结构、训练数据

luzhoushili·2023-10-22 20:52

【论文阅读笔记】 Curated Pacific Northwest AI-ready Seismic Dataset

CuratedPacificNorthwestAI-readySeismicDataset太平洋西北部人工智能地震数据集摘要描述了一个AI就绪地震数据集包括各种地震事件参数仪器元数据地震波行描述地震目录和事件属性（事件震级类型，信道类型，波形极性，信噪比，相位选择）随着网络检测系统的时间演变非技术型总结AI准备数据集是推动机器学习发展的关键因素训练模型的数据多样性是推动模型性能或者泛化能力的主要因

luzhoushili·2023-10-22 20:43

【论文阅读】(2023TPAMI)PCRLv2

目录AbstractMethodMethodnsU-Net中的特征金字塔多尺度像素恢复多尺度特征比较从多剪切到下剪切训练目标总结Abstract现有方法及其缺点：最近的SSL方法大多是对比学习方法，它的目标是通过比较不同图像视图来保留潜在表示中的不变合判别语义，然而它主要保留高级语义信息，不包含足够的局部信息，局部信息对医学图像分析很有用。提出的解决方法：提出将像素级恢复任务纳入，以将更多像素级信

鱼小丸·2023-10-22 19:37

【BP-Adaboost预测】基于BP神经网络的Adaboost的单维时间序列预测研究（Matlab代码实现）

在单维时间序列预测中，可以将Ada

长安程序猿·2023-10-22 19:14

基于SAE堆叠自编码器的单维时间序列预测研究（matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码及数据1概述基于SAE（StackedAutoencoder）堆叠自编码器的单维时间序列预测是一种基于深度学习的预测方法。

长安程序猿·2023-10-22 19:44

论文阅读——I Can Find You! Boundary-Guided Separated Attention Network for Camouflaged Object Detection

目录基本信息标题目前存在的问题改进网络结构另一个写的好的参考基本信息期刊AAAI年份2022论文地址https://ojs.aaai.org/index.php/AAAI/article/view/20273代码地址https://github.com/zhuhongwei1999/BSA-Net标题我能找到你!用于伪装对象检测的边界引导分离注意网络目前存在的问题传统上，可以采用显著目标检测(SO

醋酸洋红就是我·2023-10-22 16:36

论文阅读——Pixels, Regions, and Objects: Multiple Enhancement for Salient Object Detection

目录基本信息标题目前存在的问题改进网络结构另一个写的好的参考基本信息期刊CVPR年份2023论文地址网站代码地址https://github.com/yiwangtz/MENet标题像素，区域和对象:多增强显著目标检测目前存在的问题对于SOD来说，精确分割复杂物体的边界仍然是一个具有挑战性的任务。当这些物体的几何形状和/或边界复杂时，或者当场景混乱或混乱时，这一点尤其正确改进在损失中利用像素级、区