机器学习笔记——吴恩达

机器学习笔记：轨迹驻留点 staypoint

1定义在轨迹数据分析中，"停留点"（Staypoint）是一个非常关键的概念，它反映了个体或物体在某一地点的停留行为。通常，在一段时间内，如果一个人或物体在一个较小的地理区域内的移动距离低于某个阈值，并且停留时间超过某个设定的时间阈值，那么这个地理区域就可以被认定为一个停留点。如上图，从p5开始，后续的点p6~p8和p5的空间距离都比较小，同时p5到p8的时间跨度很大——>p5~p8被认为是一个驻
UQI-LIUWJ·2023-09-07 08:28

【吴恩达机器学习】第三周—逻辑回归、过拟合、正则化

31.jpg1.分类问题（Regression）在分类问题中，你要预测的变量是离散的值，我们将学习一种叫做逻辑回归(LogisticRegression)的算法，这是目前最流行使用最广泛的一种学习算法。顺便说一下，逻辑回归算法是分类算法，我们将它作为分类算法使用。有时候可能因为这个算法的名字中出现了“回归”使你感到困惑，但逻辑回归算法实际上是一种分类算法，它适用于标签取值离散的情况，如:1001。
Sunflow007·2023-09-06 17:55

机器学习笔记之最优化理论与方法(七)无约束优化问题——常用求解方法(上)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[上]引言总体介绍回顾：线搜索下降算法收敛速度的衡量方式线性收敛范围高阶收敛范围二次终止性朴素算法：坐标轴交替下降法最速下降法(梯度下降法
静静的喝酒·2023-09-06 16:17

机器学习笔记：node2vec（论文笔记：node2vec: Scalable Feature Learning for Networks）

2016KDD1intro利用graph上的节点相似性，对这些节点进行embedding同质性：节点和其周围节点的embedding比较相似蓝色节点和其周围的节点结构等价性结构相近的点embedding相近比如蓝色节点，都处于多个簇的连接处2随机游走2.1介绍随机游走是一种自监督学习的embedding方法，不需要利用节点标签也不需要节点的特征，训练出来的embedding也不依赖于任何的特定任务
UQI-LIUWJ·2023-09-06 15:36

机器学习笔记 - 【机器学习案例】基于KerasCV的预训练模型自定义多头+多标签预测

一、KerasCVKerasCV是一个模块化计算机视觉组件库，可与TensorFlow、JAX或PyTorch原生配合使用。这些模型、层、指标、回调等基于KerasCore构建，可以在任何框架中进行训练和序列化，并在另一个框架中重复使用，而无需进行昂贵的迁KerasCV可以理解为KerasAPI的水平扩展：组件是新的第一方Keras对象，它们过于专业化，无法添加到核心Keras中。它们获得与核心K
坐望云起·2023-09-06 12:58

很棒的AIGC 教程-适合初学者也适合进阶AI爱好者

入门人工智能为每个人-吴恩达面向师生的实用人工智能-沃顿商学院人工智能初学者-微软生成式AI学习路径-谷歌大语言模型提示工程ChatGPT
AI 研习所·2023-09-06 06:12

吴恩达：AI已经做好颠覆人类医生的准备了

近来，一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。
llawliet0001·2023-09-06 04:39

数学建模--逻辑回归算法的Python实现

首先感谢CSDN上发布吴恩达的机器学习逻辑回归算法任务的各位大佬.通过大佬的讲解和代码才勉强学会.这篇文章也就是简单记录一下过程和代码.CSDN上写有关这类文章的大佬有很多,大家都可以多看一看学习学习.
Danceful_YJ·2023-09-06 02:02

机器学习(吴恩达第一课)

课程链接文章目录第一周1、机器学习定义2、监督学习(Supervisedlearning)1、回归(Regression)2、分类(Classification)3、无监督学习(Unsupervisedlearning)4、线性回归模型5、代价函数6、梯度下降(Gradientdescent)1、学习率2、用于线性回归的梯度下降第二周(多维特征)1、特征缩放2、如何设置学习率3、特征工程(Feat
Think-killer·2023-09-05 15:04

机器学习笔记之最优化理论与方法(六)无约束优化问题——最优性条件

机器学习笔记之最优化理论与方法——无约束优化问题[最优性条件]引言无约束优化问题无约束优化问题最优解的定义无约束优化问题的最优性条件无约束优化问题的充要条件无约束优化问题的必要条件无约束优化问题的充分条件引言本节将介绍无约束优化问题
静静的喝酒·2023-09-05 15:54

吴恩达：AI已经做好颠覆人类医生的准备了

近来，一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。
分享IT资源·2023-09-04 23:21

机器学习入门笔记1

目前主要跟着B站的2022吴恩达机器学习课程并完成相应的练习作业文章目录基础知识ApplicationsDefinitionSupervisedlearningUnsupervisedlearningLinearRegressionModel
lonyhai·2023-09-04 14:27

机器学习（凸优化，SVM） 笔记整理

机器学习笔记（1）凸优化、SVM问题凸优化一个AI问题可以把它分解为模型加优化两部分构成，模型有DL、SVM、CNN等，优化有GD，SGD，Adam等等。机器学习的核心是优化问题。
polaris2ai·2023-09-04 10:54

机器学习笔记之最优化理论与方法(三)凸集的简单认识(下)

机器学习笔记之最优化理论与方法——凸集的简单认识[下]引言回顾：基本定义——凸集关于保持集合凸性的运算仿射变换凸集基本性质：投影定理点与凸集的分离支撑超平面定理引言继续凸集的简单认识(上)进行介绍，本节将介绍凸集的基本性质以及相关定理
静静的喝酒·2023-09-04 10:53

机器学习笔记之最优化理论与方法(五)凸优化问题(上)

机器学习笔记之最优化理论与方法——凸优化问题[上]引言凸优化问题的基本定义凸优化定义：示例凸优化与非凸优化问题的区分局部最优解即全局最优解凸优化问题的最优性条件几种特殊凸问题的最优性条件无约束凸优化等式约束凸优化非负约束凸优化引言本节将介绍凸优化问题
静静的喝酒·2023-09-04 10:22

自动驾驶入门日记-14-2018CVPR自动驾驶论文阅读

要说有什么好玩的事情，应该是我们的吴恩达（AndrewNg）老师最近就在今天宣布开始种地啦，国人田园风光才是真正美好啊。开玩笑的啦，新闻是这样的：L
我爱大头老婆·2023-09-04 10:31

机器学习笔记 - 什么是多模态深度学习？

一、概述人类使用五种感官来体验和解释周围的世界。我们的五种感官从五种不同的来源和五种不同的方式捕获信息。模态是指某事发生、经历或捕捉的方式。人工智能正在寻求模仿人类大脑，终究是跳不出这具躯壳的限制。人脑由可以同时处理多种模式的神经网络组成。想象一下进行对话——您的大脑神经网络处理多模式输入（音频、视觉、文本、气味）。经过深层潜意识模态融合后，您可以推理对话者所说的话、他们的情绪状态以及您/他们的周
坐望云起·2023-09-04 02:06

李宏毅机器学习笔记：RNN循环神经网络

RNN一、RNN1、场景引入2、如何将一个单词表示成一个向量3种典型的RNN网络结构二、LSTMLSTM和普通NN、RNN区别三、LSTM的训练一、RNN1、场景引入例如情景补充的情况，根据词汇预测该词汇所属的类别。这个时候的Taipi则属于目的地。但是，在订票系统中，Taipi也可能会属于出发地。到底属于目的地，还是出发地，如果不结合上下文，则很难做出判断。因此，使用传统的深度神经网络解决不了问
ZEERO~·2023-09-03 21:55

吴恩达gradio课程：diffusion 文生图（Image to Text）模型

文章目录内容简介主要的Block元素构建应用程序界面改进内容简介使用了基于Diffusion模型的图像生成技术,可以从文本描述中生成图像。通过简单的Python代码调用模型接口,只需要提供文本提示即可生成图像。使用Gradio构建了一个简洁的网页界面,可以自定义文本提示来生成图像。接口可以控制生成图像的大小和细节程度等参数。使用GradioBlocks,它可以创建更复杂的用户界面布局。主要的Blo
Cachel wood·2023-09-03 20:44

吴恩达gradio课程：文本摘要和NER

文章目录`APIToken`获取文本摘要小型专家模型构建文本摘要应用程序构建命名实体识别应用程序NERAPIToken获取获取方式参考：HuggingFace的APItoken获取方式指南文本摘要使用distilbart-cnn模型构建了一个文本摘要应用。该模型专门用于文本摘要任务。使用Gradio创建了一个简单的用户界面,允许用户输入文本并生成摘要。使用了一个BERT模型构建了一个命名实体识别应
Cachel wood·2023-09-03 20:43

CV 开发的自我修养

CV开发者自我修养|吴恩达教程/笔记/刷题资料最全汇总书籍教程⋅sophie⋅于4个月前⋅746阅读吴恩达老师在机器学习领域的知名度是众所周知的，他在coursera平台上发布的《机器学习》课程，在国内外都可以说是机器学习入门的第一课和最热门课程
thousand_·2023-09-03 18:42

机器学习笔记之最优化理论与方法(四) 凸函数：定义与基本性质

机器学习笔记之最优化理论与方法——再回首：凸函数定义与基本性质引言凸函数的定义严格凸函数凸函数的推论：凹函数常见凸函数凸函数的基本性质几种保持函数凸性的运算凸集与凸函数之间的关联关系引言本节将介绍凸函数定义及其基本性质
静静的喝酒·2023-09-03 07:36

论文笔记：DEEP DECLARATIVE DYNAMIC TIME WARPING FOREND-TO-END LEARNING OF ALIGNMENT PATHS

DynamicTimeWarping动态时间规整（&DTW的python实现）【DDTW，WDTW】_UQI-LIUWJ的博客-CSDN博客近年来，可微DTW被广泛地研究Soft-DTW使用技巧替代min，使之可微机器学习笔记
UQI-LIUWJ·2023-09-02 05:53

智聚长沙、共襄盛举 | 1024 程序员节讲师征集

这个由GoogleFellowJeffDean、研究员GregCorrado和当时还在斯坦福任教的教授吴恩达共同发起的项目，成功让普罗大众首次亲眼目睹深度学习的威力，并打响了自己的名号。
CSDN资讯·2023-08-31 15:46

机器学习笔记之最优化理论与方法(一)最优化问题概述

机器学习笔记之最优化理论与方法——最优化问题概述引言什么是最优化问题最优化问题的基本形式最优化问题的分类各分类最优化问题的数学表达约束优化VS无约束优化线性规划VS非线性规划连续优化VS离散优化单目标优化
静静的喝酒·2023-08-31 07:36

机器学习笔记之最优化理论与方法(二)凸集的简单认识(上)

机器学习笔记之最优化理论与方法——凸集的简单认识[上]引言凸优化问题与凸集合凸函数的关系凸优化问题简单示例凸集的简单示例基本定义：凸集关于凸集性质的等价条件，凸组合，凸包常见凸集引言本节将介绍关于凸集的基本信息
静静的喝酒·2023-08-31 07:32

机器学习 - 吴恩达版(Stanford)笔记 003

Topic:definitionofsupervisedlearning如果你有一个朋友想卖掉自己的房子，他的房子大小是想知道自己的房子可以卖多少钱。学习算法可以帮助他做什么呢？学习算法可以根据数据画一条直线或者曲线来拟合数据.如果用一条直线来拟合数据点，我们大致可以得出，房子可以卖150,000刀但也许我们有更好的拟合方式，比如使用多项式或者高次函数。例如使用二次函数(quadraticfunc
Wallace_QIAN·2023-08-30 18:07

机器学习笔记之核函数再回首：Nadarya-Watson核回归python手写示例

机器学习笔记之核函数再回首——Nadaraya-Watson核回归手写示例引言回顾：Nadaraya-Watson\text{Nadaraya-Watson}Nadaraya-Watson核回归通过核函数描述样本之间的关联关系使用
静静的喝酒·2023-08-30 09:37

卷积神经网络之一维卷积、二维卷积、三维卷积

如果你对卷积维度的计算不清楚，可以参考我之前的博客吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）。
bebr·2023-08-30 05:32

AI培训班有存在的必要吗？

本文由【AI前线】原创，原文链接：t.cn/RY3RQEVAI前线导语：“被称为“业界良心”吴恩达在Coursera的免费机器学习课程，学员数目有超过两百万；而最近国内某人工智能教育平台创始人也在微博宣称其培训平台已经吸引到将近十万的付费学员
AI前线·2023-08-30 00:58

机器学习笔记 - 基于OpenMMLab在自定义数据集上训练RTMDet网络

一、什么是RTMDet？RTMDet是一种高效的实时目标检测器，其自报告指标优于YOLO系列。它在COCO上实现了52.8%的AP，在NVIDIA3090GPU上实现了300+FPS，使其成为当前号称最快、最准确的目标检测器之一。RTMDet与其他实时物体检测器的对比。RTMDet采用了一种在主干和颈部具有兼容能力的架构，该架构使用包含大内核深度卷积的基本构建块构建。这种设计增强了模型捕获全局上下
坐望云起·2023-08-29 19:29

Machine Learning Resources

吴恩达老师的9周课程网上推荐的非官方笔记台湾大学李宏毅教授的课程CarnegieMellonUniversityTomMitchellandMaria-FlorinaBalcanMachineLearninghttps
浩瀚之宇·2023-08-29 06:01

机器学习笔记 - 对象/目标检测技术发展史概览

一、简述物体检测算法的发展已经取得了长足的进步，从早期的计算机视觉开始，通过深度学习达到了很高的准确度。我们首先回顾早期传统的目标检测方法：Viola-Jones检测器、HOG检测器和基于部件的方法，它们在该领域发展之初就被广泛使用。然后，逐渐转向基于两阶段和一阶段目标检测神经网络的更现代的深度学习目标检测方法：RCNN、YOLO、SSD和CenterNet。这些方法提供了一种端到端的架构，允许算
坐望云起·2023-08-29 05:27

吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常
SCY_e62e·2023-08-29 00:26

李宏毅机器学习笔记：结构学习，HMM，CRF

李宏毅机器学习笔记：结构学习，HMM，CRF1、隐马尔可夫模型HMM1.1Sequence2Sequence1.2HMM1.3Viterbi算法1.3HMM模型的缺点2、CRF2.1CRF模型2.2CRF
ZEERO~·2023-08-28 22:43

吴恩达深度学习--logitic回归损失函数

2.3logitic回归损失函数学习损失函数和误差函数可以用来检测算法运行情况，如在算法输出时定义损失，yhat和实标y有可能是一个或半个平方误差。平方误差函数你可以如此操作，但一般在逻辑回归里不进行此操作，因为当研究参数时，我们讨论的优化问题将会变成非凸问题，所以优化问题会产生多个局部最优解，梯度下降算法也就无法找到全局最优解。函数L被称为损失函数，需要进行设定，才能在实标为y时对输出yhat进
862180935588·2023-08-28 15:54

机器学习理论笔记（二）：数据集划分以及模型选择

经验误差与过拟合3训练集与测试集的划分方法3.1留出法（Hold-out）3.2交叉验证法（CrossValidation）3.3自助法（Bootstrap）4调参与最终模型5结语1前言欢迎来到蓝色是天的机器学习笔记专栏
蓝色是天·2023-08-27 23:34

机器学习笔记-阻尼牛顿法

文章目录前言一、阻尼牛顿法二、算法实例总结前言  在学习了牛顿法之后，我们了解到牛顿法存在一个致命的问题：牛顿法的搜索方向不一定就是下降方向。这直接可能会导致牛顿法不会收敛。为了解决这个问题，我们主要的改进的方向有两点：改进使得牛顿法的搜索方向就是其函数值下降的方向。改进使得牛顿法不是下降方向的搜索方向变成是下降方向的搜索方向。一、阻尼牛顿法  阻尼牛顿法就上述改进点中的第二点，为牛顿法沿牛顿方向
复杂混沌·2023-08-27 19:41

机器学习笔记之优化算法(十九)经典牛顿法的收敛性分析

机器学习笔记之优化算法——经典牛顿法的收敛性分析引言回顾：算法的收敛性分析Wolfe\text{Wolfe}Wolfe准则的收敛性分析梯度下降法在凸函数的收敛性分析梯度下降法在强凸函数的收敛性分析经典牛顿法的收敛性分析收敛性定理介绍证明过程关于隐含条件的说明引言上一节整体介绍了经典牛顿法
静静的喝酒·2023-08-27 19:09

机器学习笔记 - 数据科学中基于 Scikit-Learn、Tensorflow、Pandas 和 Scipy的7种最常用的特征工程技术

一、概述特征工程描述了制定相关特征的过程，这些特征尽可能准确地描述底层数据科学问题，并使算法能够理解和学习模式。换句话说：您提供的特征可作为将您自己对世界的理解和知识传达给模型的一种方式。每个特征描述一种信息“片段”。这些部分的总和允许算法得出有关目标变量的结论-至少如果您有一个实际包含有关目标变量的信息的数据集。据《福布斯》杂志报道，数据科学家大约花费80%的时间收集和准备相关数据，其中仅数据清
坐望云起·2023-08-27 13:09

机器学习笔记之优化算法(十九)牛顿法与正则化

机器学习笔记之优化算法——再回首:牛顿法与正则化引言回顾：经典牛顿法及其弊端牛顿法：算法步骤迭代过程中可能出现的问题正则化HessianMatrix\text{HessianMatrix}HessianMatrix
静静的喝酒·2023-08-26 11:08

机器学习笔记：神经网络层的各种normalization

0预处理中的normalization和standardization归一化normalization找到某种映射关系，将原数据映射到[a,b]区间上eg,min-maxnormalization标准化（Standardization）用大数定理将数据转化为一个标准正态分布*batchnormalization这些做的其实感觉类似于standardization的事儿1Normalization的
UQI-LIUWJ·2023-08-26 07:34

机器学习笔记之优化算法(十八)经典牛顿法

机器学习笔记之优化算法——经典牛顿法引言回顾：下降方向下降方向的几何意义经典牛顿法整体介绍关于牛顿方向判断牛顿方向是否为下降方向引言本节将介绍优化算法——经典牛顿法(NewtonMethod)(\text
静静的喝酒·2023-08-26 00:34

机器学习笔记之优化算法(十七)梯度下降法在强凸函数的收敛性分析

机器学习笔记之优化算法——梯度下降法在强凸函数的收敛性分析引言回顾：梯度下降法在强凸函数的收敛性二阶可微——梯度下降法在强凸函数的收敛性推论引言上一节介绍并证明了：梯度下降法在强凸函数上的收敛速度满足Q
静静的喝酒·2023-08-25 16:16

论文笔记： MOGRIFIER LSTM

2020ICLR修改传统LSTM当前输入和隐藏状态充分交互，从而获得更佳的上下文相关表达1MogrifierLSTMLSTM的输入X和隐藏状态H是完全独立的机器学习笔记：GRU_gruc_UQI-LIUWJ
UQI-LIUWJ·2023-08-25 05:22

机器学习笔记 - 使用 AugMix 增强图像分类模型的鲁棒性

一、简述图像分类模型能够预测与训练数据具有相同分布的数据。然而，在现实场景中，输入数据可能会发生变化。例如，当使用不同的相机进行推理时，照明条件、对比度、颜色失真等可能与训练集不同，并显着影响模型的性能。为了应对这一挑战，Hendrycks等人提出了AugMix算法。可以应用于任何图像分类模型，以提高其鲁棒性和不确定性估计。AugMix是一种数据增强技术，可生成每个训练图像的增强变化。当与一致性损
坐望云起·2023-08-23 12:41

吴恩达 GPT Prompting 课程

PromptingGuidelines目录GuidelinesforPromptingPromptingPrinciplesPrinciple1:Writeclearandspecificinstructions1.1:Usedelimiterstoclearlyindicatedistinctpartsoftheinput1.2:Askforastructuredoutput1.3:Askthe
学习溢出·2023-08-23 08:29

机器学习笔记 - PyTorch Image Models图像模型概览 (timm)

一、简述PyTorchImageModels(timm)是一个用于最先进的图像分类的库，包含图像模型、优化器、调度器、增强等的集合；是比较热门的论文及代码库。虽然越来越多的低代码和无代码解决方案可以轻松开始将深度学习应用于计算机视觉问题，但我们经常与希望寻求定制解决方案的客户合作针对他们的具体问题；利用最新、最伟大的创新来超越这些服务提供的性能水平。由于新的架构和训练技术被引入到这个快速发展的领域
坐望云起·2023-08-23 02:45

机器学习笔记 - 使用 ResNet-50 和余弦相似度的基于图像的推荐系统

一、简述这里的代码主要是基于图像的推荐系统，该系统利用ResNet-50深度学习模型作为特征提取器，并采用余弦相似度来查找给定输入图像的最相似嵌入。该系统旨在根据所提供图像的视觉内容为用户提供个性化推荐。二、所需环境Python3.xtensorflow==2.5.0numpy==1.21.0streamlitpillow==8.3.1pandas三、特征提取首先加载ResNet50的基于imag
坐望云起·2023-08-22 21:23

李宏毅机器学习笔记——16. Conditional Generation by RNN&Attention(RNN条件生成与注意力机制)

摘要：本章内容是讲解了Generation，Attention，TipsforGeneration，一是围绕用RNN实现Generation（生成）的方法与基本原理，先应用生成句子去介绍生成的基本原理，接着举例无条件的生成图片，其不同的是：将图片上的每个像素点看成一个word，并需要考虑各像素之间的几何关系，所以我们需要借助3D-LSTM完善了Generation图片功能。但是在实际应用中，我们的
HSR CatcousCherishes·2023-08-22 17:05
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他