深度学习&数据挖掘

深度学习速通系列:贝叶思&SVM

贝叶斯（Bayesian）方法和支持向量机（SVM，SupportVectorMachine）是两种不同的机器学习算法，它们在解决分类和回归问题时有着不同的原理和应用场景贝叶斯方法：贝叶斯方法基于贝叶斯定理，这是一种利用已知信息（先验概率）来预测未知事件（后验概率）的概率方法。它通常用于分类问题，特别是当数据集较小或存在类别不平衡时。贝叶斯方法可以处理不确定性，并且可以通过增加新的数据来更新先验概
Ven%·2024-08-30 08:13

JAVA程序驼峰状_java中驼峰与下横线格式字符串互转算法

publicstaticfinalcharUNDERLINE='_';/***驼峰格式字符串转换为下划线格式字符串**@paramparam*@return*/publicstaticStringcamelToUnderline
陈星汉·2024-08-30 08:43

机器学习和深度学习·贝叶斯优化和optuna

贝叶斯优化贝叶斯优化的思想先验：取点似然：假设分布取了n个点之后…后验：近似取得极值贝叶斯优化的数学过程在贝叶斯优化的数学过程当中，我们主要执行以下几个步骤：1定义需要估计的f(x)f(x)f(x)以及xxx的定义域2取出有限的n个xxx上的值，求解出这些xxx对应的f(x)f(x)f(x)（求解观测值）3根据有限的观测值，对函数分布进行假设（该假设被称为贝叶斯优化中的先验知识），得出该假设分布上
0xMayL·2024-08-30 08:39

【ShuQiHere】《机器学习的进化史『下』：从神经网络到深度学习的飞跃》

【ShuQiHere】引言：神经网络与深度学习的兴起在上篇文章中，我们回顾了机器学习的起源与传统模型的发展历程，如线性回归、逻辑回归和支持向量机（SVM）。
ShuQiHere·2024-08-30 07:07

PyTorch深度学习实战（27）—— PyTorch分布式训练

本节将详细介绍如何进行神经网络的分布式训练。其中1.1将结合MPI介绍分布式训练的基本流程，1.2与1.3将分别介绍如何使用torch.distributed以及Horovod进行神经网络的分布式训练。1PyTorch分布式训练1.1使用MPI进行分布式训练下面讲解如何利用MPI进行PyTorch的分布式训练。这里主要介绍的是数据并行的分布式方法：每一块GPU都有同一个模型的副本，仅加载不同的数据
shangjg3·2024-08-30 07:37

PyTorch Geometric（torch_geometric）简介

图网络是深度学习领域的一种强大工具，它能够处理结构化数据，如社交网络、分子结构、交通网络等。
小桥流水---人工智能·2024-08-30 06:32

深入理解PyTorch中的`torch.topk`函数！！！（个人总结，为了方便我自己复习，要是同时也能帮助到大家就更好了）

`torch.topk`函数概述函数签名返回值2.基本用法示例1：找到一维张量的最大值示例2：在二维张量的指定维度上操作3.高级应用4.结论深入理解PyTorch中的torch.topk函数在深度学习和数据处理中
小桥流水---人工智能·2024-08-30 06:32

在 PyTorch 中，`permute` 方法是一个强大的工具，用于重排张量的维度。

这在深度学习中非常有用，尤其是在处理具有多维数据（如图像、视频或复杂数组）的神经网络时。
小桥流水---人工智能·2024-08-30 06:32

PyTorch概述

它广泛用于深度学习和神经网络的研究和开发。PyTorch以其动态计算图、灵活性和简单易用的接口而闻名，深受研究人员和开发者的喜爱。
fydw_715·2024-08-30 06:01

[Scene Graph] 图神经网络的核心方法——Message Passing

深度学习方法的兴起是从计算图像处理（ComputerVision）领域开始的。以卷积神经网络（CNN）为代表的方法会从邻近的像素中获取信息。
风中摇曳的小萝卜·2024-08-30 06:01

基于深度学习的分子生成

基于深度学习的分子生成是一项结合化学、计算科学与人工智能的新兴领域，旨在利用深度学习模型来生成具有特定性质的分子结构。该技术在药物发现、材料科学和合成化学等领域具有广泛的应用前景。
SEU-WYL·2024-08-30 06:29

【闲谈】聚类算法的金融数据挖掘应用及实践

目录一数据挖掘技术在金融领域应用概述二聚类算法介绍三聚类算法在金融数据挖掘中的应用1.聚类算法在客户细分领域的应用2.聚类算法在客户信用评估领域的应用四算法实践与个人体会1.聚类算法的实践——以k-means
爱写代码的July·2024-08-30 05:51

九齐单片机---官方Example_Code

看到似乎很多人在下载九齐IDE的时候没有把Example_Code也一起下载，也有的人下载了不知道在哪找，我这里把官方的examplecode分享出来，需要的可以自取，链接失效的话评论区提醒一下。
饕餮tt·2024-08-30 01:30

AI-windows下使用llama.cpp部署本地Chinese-LLaMA-Alpaca-2模型

文章目录Llamp.cpp环境配置Chinese-LLaMA-Alpaca-2模型介绍模型下载转换生成量化模型Anaconda环境安装运行Llamp.cpp环境配置[email protected]
mrbone11·2024-08-30 01:00

python爬虫：通过DBLP数据库获取数据挖掘顶会KDD在2023年的论文收录和相关作者信息

Task1读取网站主页整个页面的html内容并解码为文本串（可使用urllib.request的相应方法），将其以UTF-8编码格式写入page.txt文件。Code1importurllib.requestwithurllib.request.urlopen('https://dblp.dagstuhl.de/db/conf/kdd/kdd2023.html')asresponse:html=r
千里澄江·2024-08-30 01:58

基于深度学习的人类行为模仿

基于深度学习的人类行为模仿是指利用深度学习技术构建模型，使计算机系统能够学习、理解、并模仿人类的行为。
SEU-WYL·2024-08-30 01:26

爆改yolov8|利用BSAM改进YOLOv8，高效涨点

BSAM（BiLevelSpatialAttentionModule）是一个用于提升深度学习模型在空间特征处理中的能力的模块。它主要通过双层注意力机制来增强模型对重要空间信息的关注，从而提升任务性能。
不想敲代码！！！·2024-08-29 22:37

达梦数据库-创建表空间

[]::=AUTOEXTEND每次扩展大小子句>][|OFF>::=NEXT::=MAXSIZE::=CACHE=::=ENCRYPTWITHBY语法格式中的各项参数的详细说明应用举例创建一个名为EXAMPLE
爱码农的小婷·2024-08-29 19:46

程序猿成长之路之数据挖掘篇——Kmeans聚类算法

Kmeans是一种可以将一个数据集按照距离（相似度）划分成不同类别的算法，它无需借助外部标记，因此也是一种无监督学习算法。什么是聚类用官方的话说聚类就是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。用自己的话说聚类是根据不同样本数据间的相似度进行种类划分的算法。这种划分可以基于我们的业务需求或建模需求来完成，也可以单纯地帮助我们探索数据的自然结构和分布。什么是K-means聚类用官方的
zygswo·2024-08-29 18:39

647. Palindromic Substrings 笔记

yourtaskistocounthowmanypalindromicsubstringsinthisstring.Thesubstringswithdifferentstartindexesorendindexesarecountedasdifferentsubstringseventheyconsistofsamecharacters.Example1
赵智雄·2024-08-29 17:14

基于yolov8的8种人脸表情检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的人脸表情检测系统是一个结合了先进目标检测算法（YOLOv8）与深度学习技术的项目，旨在实时或离线地识别并分类人脸表情（如快乐、悲伤、愤怒、惊讶、恐惧、厌恶、中立等）。
FL1623863129·2024-08-29 15:52

R语言 交互式绘图echarts4r包--3D深探

y,z,wireframe=list(show=FALSE))|>e_visual_map(z)3维柱状图v<-LETTERS[1:10]matrix<-data.frame(x=sample
「已注销」·2024-08-29 15:19

AI如何创造情绪价值

AI技术通过模拟人类神经网络的工作方式，对复杂的数据进行深度学习和理解，逐渐具备了处理人类情感的能力。在客户服务领域，情绪识
学客汇·2024-08-29 14:14

Linux——nginx 负载均衡

此时在web服务的领域内，引入了LAMP等较为知名的
Xinan_____·2024-08-29 14:42

在 ESP-IDF 环境下，使用标准 C 扩展 Micropython 模块

在ESP-IDF环境下，使用标准C扩展Micropython模块源码地址：https://gitee.com/Mars.CN/micropython_extend_example一、安装ESP-IDF环境在其他课程中讲过
Mars.CN·2024-08-29 12:01

深度学习：探索人工智能的无限可能

而在AI领域，深度学习是近年来发展最为迅速的一个分支。本文将深入探讨深度学习及其相关领域，包括计算机视觉、自然语言处理、神经网络和强化学习。
木小梦(๑• . •๑)·2024-08-29 12:29

深度学习100问7-向量降维的算法有那些

一、主成分分析（PCA）PCA就像你整理一堆考试成绩单。假如成绩单上有好多科目成绩，这就像一个高维向量。但有些科目成绩关系很紧密，比如数学好的同学一般物理也不错，化学也还行。那PCA就会找这些成绩单里最主要的特点，把关系近的科目合成几个新的“大科目”。这样就把原来很多科目的高维向量变成几个“大科目”的低维向量啦。二、奇异值分解（SVD）SVD呢，就好比你有一本很厚的书。书的每一页上的字可以看成一个
不断持续学习ing·2024-08-29 11:54

【Elasticsearch】file-beat 将文件数据导入es

1、备份filebeat.yml文件：2、新filebeat.yml文件配置示例：######################FilebeatConfigurationExample##########
日月星宿～·2024-08-29 10:18

基于yolov8的绝缘子缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的绝缘子缺陷检测系统是一种利用先进深度学习技术的高效解决方案，旨在提升电力行业中输电线路的维护和监控水平。
FL1623863129·2024-08-29 10:16

机器学习和深度学习中常见损失函数，包括损失函数的数学公式、推导及其在不同场景中的应用

目录引言什么是损失函数？常见损失函数介绍3.1均方误差（MeanSquaredError,MSE）3.2交叉熵损失（Cross-EntropyLoss）3.3平滑L1损失（SmoothL1Loss）3.4HingeLoss（合页损失）3.5二进制交叉熵损失（BinaryCross-EntropyLoss）3.6KL散度（KLDivergence）3.7Huber损失（HuberLoss）3.8对比
早起星人·2024-08-29 09:44

Python在神经网络中优化激活函数选择使用详解

如果没有激活函数，神经网络仅仅是线性模型的堆叠，无法胜任深度学习中的各种任务。
Rocky006·2024-08-29 09:39

2020-03-24

Datawhale零基础入门数据挖掘-Task2数据分析【代码摘要】赛题：零基础入门数据挖掘-二手车交易价格预测地址：[https://tianchi.aliyun.com/competition/entrance
黑乎乎AI·2024-08-29 09:10

增强语音对车载语音质量测试的挑战

语音合成采用了混合单元选择系统，结合了单元选择和参数合成的优势，并通过深度学习进一步提升了语音质量。这种技术的应用，使得语音助手能够在车内环境中提供流畅自然且易于理解的语音交互体验。2
众乐认证·2024-08-29 08:05

【Three.js基础学习】19.Custom models with Blender

/style.css'import*asTHREEfrom'three'import{OrbitControls}from'three/examples/jsm/controls/OrbitControls.js'import
蚕食我的耐心·2024-08-29 08:33

TensorFlow和它的弟弟们

TensorFlow、TensorFlowLite、TensorFlowLiteMicro是Google在深度学习领域推出的三个不同产品，它们各自有着不同的设计目标和适用场景。
活蹦乱跳酸菜鱼·2024-08-29 08:31

Datawhale AI夏令营-task03

DatawhaleAI夏令营-task03笔记来源：DatawhaleAI夏令营数据增强基础数据增强是一种在机器学习和深度学习领域常用的技术，尤其是在处理图像和视频数据时。
ghost_him·2024-08-29 06:50

释放GPU潜能：PyTorch中torch.nn.DataParallel的数据并行实践

释放GPU潜能：PyTorch中torch.nn.DataParallel的数据并行实践在深度学习模型的训练过程中，计算资源的需求往往随着模型复杂度的提升而增加。
2401_85762266·2024-08-29 05:45

每天一个数据分析题（五百零五）- 提升方法

A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习
跟着紫枫学姐学CDA·2024-08-29 05:43

每天一个数据分析题（五百零六）- 装袋方法

A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习
跟着紫枫学姐学CDA·2024-08-29 05:43

DeepArt——AI美术创作工具，能够帮助生成视觉内容

一、DeepArt的介绍DeepArt是一种基于深度学习的艺术风格迁移应用，能够将输入图像转换成具有特定艺术风格的输出图像。
爱研究的小牛·2024-08-29 05:12

Wonder Dynamics——虚拟角色动画和实时互动生成

高精度捕捉和渲染：利用深度学习和计算机视觉技术，捕捉高精度的动作数据并生成高质量的动画。二、WonderDynamics实现技术详解Wo
爱研究的小牛·2024-08-29 05:42

AIGC深度学习教程：Transformer模型中的Position Embedding实现与应用

在进入深度学习领域时，Transformer模型几乎是绕不开的话题，而其中的PositionEmbedding更是关键。
玩AI的小胡子·2024-08-29 05:10

并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南

并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南在深度学习领域，模型训练往往需要大量的计算资源和时间。
liuxin33445566·2024-08-29 03:59

新版cesium下雨特效

cesium下雨特效（webgl2.0）旧版代码letrain=newCesium.PostProcessStage({name:"czm_rain",fragmentShader:`uniformsampler2DcolorTexture
BJ-Giser·2024-08-29 03:27

【大模型】FAISS向量数据库记录：从基础搭建到实战操作

FAISS实战安装faiss加载Embedding模型创建FAISS数据库搜索FAISS数据删除FAISS数据保存、加载FAISS索引总结本人数据分析领域的从业者，拥有专业背景和能力，可以为您的数据采集、数据挖掘和数据分析需求提供支持
爱python的王三金·2024-08-29 03:55

数仓之TABLESAMPLE采样

前言在日常工作中，我们会对表中记录随机抽样然后探查，如何进行抽样就是本章要讲的重点。数仓中的抽样方法有很多，这里主要介绍一下：随机抽样、块抽样、桶抽样、分组抽样这四种，话不多说，直接上干货。随机抽样随机抽样就是给每行数据赋值一个随机数，排序之后进行抽样，主要分为：orderby，直接全局排序。distributeby+sortby，先分组再排序。orderByselect*fromuserinfo
Luckyforever%-·2024-08-29 00:39

python difflib 比较2个文件, 自动生成html

difflib.py源码里面写到:Seetools/scripts/diff.pyforanexampleusageofthisclass.这里例子的实际位置是:C:\Users\Administrator
waterHBO·2024-08-29 00:38

GPU算力租用平台推荐

在当前快速发展的AI和深度学习领域，GPU算力租用平台成为了研究者、开发者及企业不可或缺的工具。
hong161688·2024-08-29 00:07

29班2018年7月第二组第三次作业

utm_campaign=hugo&utm_medium=reader_share&utm_content=note&utm_source=weixin-friends三、文章
七十七朵向日葵·2024-08-28 23:51

XML-RPC-1概述

中文名XML-RPC外文名XMLRemoteProcedureCall属于标准通用标记语言类型一个子集目录1关于XML-RPC▪基本介绍▪Requestexample▪Responseexample2XML-RPC
weixin_30340775·2024-08-28 22:26
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他