蓄水池采样

神经网络基础结构

目录1.神经网络的基本骨架：2.卷积层3.最大池化层（下采样）4.非线性激活5.归一化/标准化层6.循环层7.线性层1.神经网络的基本骨架：Containers2.卷积层ConvolutionLayers
youyiketing·2023-01-19 04:56

论文笔记: Diffusion-Convolutional Neural Networks

所以后续的研究很多都是在邻域进行采样的，以缩小计算量。后续的GraphSAGE可以说是此种方法的升级版要点DCNNs
饮冰l·2023-01-18 22:46

pandas数据分析实战之去除重复值

sample抽样函数指定需要更新的值append直接添加append函数用法根据某一列key值进行去重（key唯一）加载数据首先，我们需要加载到所需要的数据，这里我们所需要的数据是同过sample函数采样过来的
sharon@zhang·2023-01-18 21:07

Reinforcement Learning: An Introduction Second Edition - Chapter 11

更新的目标：重要度采样。更新的分布：两种通用方法：重要度采样(梯度TD?)；真正的梯度方法(强调TD?)
会飞的斯芬克斯·2023-01-18 21:34

Reinforcement Learning: An Introduction Second Edition - Chapter 5

蒙特卡洛方法s不需要完备的环境知识，它们仅仅需要经验，即从真实或者模拟的环境交互中采样得到的状态、动作、收益序列。蒙特卡洛方法s通过平均样本的回报来解决强化学习问题。
会飞的斯芬克斯·2023-01-18 21:03

图像锐化的空域滤波器

对于一个一次元函数，其一阶微分为这样的微分被称为向前一次微分，这样的微分会产生一个采样点(针对图像来说，偏移一
tianrolin·2023-01-18 20:57

kaggle 欺诈信用卡预测——不平衡训练样本的处理方法 综合结论就是：随机森林+过采样（直接复制或者smote后，黑白比例1:3 or 1:1）效果比较好！

先看数据：特征如下：TimeNumberofsecondselapsedbetweeneachtransaction(overtwodays)numericV1NodescriptionprovidednumericV2NodescriptionprovidednumericV3NodescriptionprovidednumericV4NodescriptionprovidednumericV5
weixin_34409741·2023-01-18 19:53

语音识别初尝（DataWhale语音识别入门赛）

[天池ASR入门赛]语音识别初尝试背景ASR及语音相关的初认识一些在我司常听到的关键词的介绍1）波形图2）采样点3）频谱图整体解决思路声学模型语言模型解码器端到端的方法赛题及base-line的介绍赛题介绍音频数据分析声学特征介绍及提取其他声学特征
weixin_41804613·2023-01-18 19:12

利用python open-cv aimageio完成avi png mp4 gif间的转换

实现时段截取、矩形窗截取、帧等间隔采样，帧图片缩放。
lijil168·2023-01-18 18:51

yolo模型解析方法parse_model

目录代码：创建一个yaml加载方法测试模型修改：一：backbone加一层卷积二：head加一个上采样层模型修改2：使用vgg块：代码：defparse_model(d,ch):#model_dict,
qq_27172615·2023-01-18 17:06

基于拉丁超立方法的场景消减

基于拉丁超立方法的风光场景生成与削减摘要：与蒙特卡洛法不同，拉丁超立方采样改进了采样策略能够做到较小采样规模中获得较高的采样精度，属于分层抽样技术，设定风光出力遵从正态分布normrnd，从而实现场景的大规模生成
程序优化设计大师·2023-01-18 16:55

循环神经网络的简洁实现

这里写目录标题前言具体实现加载数据相邻采样梯度修剪one-hot编码参数定义模型后记前言本文用于记录循环神经网络的简单实现及个人笔记，防止遗忘，内容来自https://tangshusen.me/Dive-into-DL-PyTorch
CtrlZ1·2023-01-18 13:34

常用数据挖掘算法举例（下）

对于每棵树而言，它们使用的训练集是从总的训练集中通过有放回采样得到的，这意味着总的训练集中的有些样本可能会多次出现于一棵树的训练集中，也可能从未出现于一棵树的训练集中。在训练每棵树的节点时，使
hajk2017·2023-01-18 13:31

【深度学习笔记】样本不平衡处理方法

过采样小样本(SMOTE)，欠采样大样本过采样：直接复制小样本，形成数量上的均衡——但会由于数据单一造成过拟合。欠采样：随机去掉一部分多数样本，形成数量上的均衡——可能丢失一些重要的信息。
秋天的波·2023-01-18 13:29

马尔科夫决策过程

链：满足“未来只与现在有关，与过去无关”的随机过程MRP：=马尔科夫过程+奖励+折扣因子计算方法：Bellman矩阵（O(n^3)，适合小规模）动态规划（适合白盒但现实条件下是白盒很少）蒙特卡洛（基于采样和统计
一定要Bling发光的洛璃安·2023-01-18 13:18

长时平均功率谱

在praat软件中：一段男声音频，发“ai”音，采样率1600
BarbaraChow·2023-01-18 12:59

Python 简单的信号处理

importnumpyasnpimportmatplotlib.pyplotaspltfromnumpy.fftimportrfft,rfftfreqPi2=2*np.piframerate=10000defgene_fake_signal():#采样率
River Chandler·2023-01-18 11:07

光纤内窥镜物镜光学设计

通过物镜把目标成像于光纤传像束的前端面上，该端面上的图像被离散分布的大量光纤采样，每根光纤都有良好的光学绝缘，独立地将获得的物面信息传输到另一端面上，可将其看作一个像元，像元的数目等于端面上光纤的根数。
Trailblazer_beginner·2023-01-18 10:16

数据通信的基本原理与概念

2、脉冲编码调制（PCM）PCM操作分为三个步骤：采样，量化，编码。主要的目的就是把模拟信号数字化（离散化）奈奎斯特（Nyquist）采样定理：采样的频率f应为：f>=2B或f=1/T>-2fmax。
三千越甲可吞吴、·2023-01-18 10:07

顶刊TIP 2023｜Rethinking无监督行人Re-ID，中科院研究团队表明采样策略是重中之重

论文标题：RethinkingSamplingStrategiesforUnsupervisedPersonRe-Identification论文链接：https://ieeexplore.ieee.org/document/9969623代码仓库：https://github.com/ucas-vg/GroupSampling作者单位：中国科学院大学、鹏城实验室、天津大学欢迎关注微信公众号CV顶
CV顶刊顶会·2023-01-18 09:33

python傅里叶变换 信号处理 序列_使用python进行傅里叶FFT频谱分析详细教程

目录一、一些关键概念的引入1、离散傅里叶变换(DFT)2、快速傅里叶变换(FFT)3、采样频率以及采样定理4、如何理解采样定理？二、使用scipy包实现快速傅里叶变换1、产生原始信号
weixin_39601929·2023-01-18 08:06

python3的fft_Python 中 FFT 快速傅里叶分析

行文思路：采样频率和采样定理生成信号并做FFT变换频率分辨率和显示分辨率FFT归一化操作对噪声信号进行FFT导入自定义模块总结一，相关定理介绍1，采样频率采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数
weixin_39633437·2023-01-18 08:06

Python中利用FFT（快速傅里叶变换）进行频谱分析

采样频率fs信号长度N（信号的点数）采样频率fs：根据采样定理可知，采样频率应当大于等于被测信号里最高频率的2倍，才能保证不失真，但是实际情况下，我们可能并不知道最高频率是多少，所以这个就是根据一定的经验或者搜索得到的
Mobius8086·2023-01-18 08:36

FFT频率和实际物理频率的分析

f是实际物理频率，表示AD采集物理模拟信号的频率，Fs就是采样频率，根据奈奎斯特采样定理可以知道，Fs必须≥信号最高频率的2倍才能避免产生频谱混叠，也就是说用Fs做采样频率，信号的最高频率为Fs/2。
Elfin_z·2023-01-18 08:36

Libra R-CNN论文阅读

一、论文提出的问题Samplelevelimbalance（采样不均衡）：训练过程中，难例对于检测性能的提高至关重要，但是训练中的随机采样，使得难例淹没在简单的、已学习过的样本中。
仙女修炼史·2023-01-18 03:22

深度学习数据不均衡的处理方法

一、数据层面1、欠采样对不均衡数据中样本较多的一类进行采样，使其约等于样本量较少的一类。但是，由于图像任务模型一般参数众多，要求更多的训练数据量。欠采样
Fang Suk·2023-01-17 22:02

随机森林原理与sklearn 使用

随机森林1.随机森林原理：随机森林由LeoBreiman（2001）提出的一种分类算法，它通过自助法（bootstrap）重采样技术，从原始训练样本集N中有放回地重复随机抽取n个样本生成新的训练样本集合训练决策树
WANG_DDD·2023-01-17 22:59

NLP面试知识汇总

hierarchicalsoftmaxhierarchical\softmaxhierarchicalsoftmax分层softmaxnegativesamplingnegative\samplingnegativesampling负采样预训练模型问
noTensor·2023-01-17 19:42

文献总结2021-08-18

无清洁图像去噪1.Neighbor2Neighbor:Self-SupervisedDenoisingfromSingleNoisyImages单幅图像自监督去噪输入噪声图随机近邻采样得到一组图像对计算网络输出与噪声目标之间的重构项和下采样图像与真实图像之间的差异最小化损失函数
hezi321·2023-01-17 19:10

LDA详解

【几个问题待解决：1.LDA的先计算联合概率体现在哪里2.对于theta的采样的理解，下文中的theta1，theta2等其实是指theta向量中的第一个，第二个等，也就是不同文章的不同单词的主题，固定其他
Ona_Soton·2023-01-17 17:08

Python图像处理丨带你认识图像量化处理及局部马赛克特效

图像量化处理图像通常是自然界景物的客观反映，并以照片形式或视频记录的介质连续保存，获取图像的目标是从感知的数据中产生数字图像，因此需要把连续的图像数据离散化，转换为数字化图像，其工作主要包括两方面——量化和采样
wadfdhsajd·2023-01-17 16:32

Python图像处理丨带你认识图像量化处理及局部马赛克特效

摘要：本文主要讲述如何进行图像量化处理和采样处理及局部马赛克特效。本文分享自华为云社区《[Python图像处理]二十.图像量化处理和采样处理及局部马赛克特效》，作者：eastmount。
华为云开发者联盟·2023-01-17 16:57

kpconv与point transformer异同、算法讲解

相同之处：网络架构相似，其均由encoder、decoder组成；都有降采样、升采样和跳跃链接；其核心kpconv算子和transformer算子穿插于上述网络架构中；在每层降采样环节中，不需要多个并行算子处理
一青CSU·2023-01-17 15:52

pytorch学习之swin-transformer算法读后感

目录1、下采样/上采样（1）下采样的作用？
benben044·2023-01-17 15:48

MATLAB环境下基于振动信号的轴承状态监测和故障诊断

完整代码链接如下，面包多第三方下载：正在为您运送作品详情首先加载振动信号，该振动信号是由滚动轴承外圈单点缺陷生成的，包含轴承不同运行工况的轴承多段振动信号（缺陷深度从3um逐渐增加到3mm以上），采样频率为
哥廷根数学学派·2023-01-17 14:12

NeurIPS 2022: S3GC 可扩展图聚类

存在一些非聚类的通用gnn方法进行采样。本文就是利用采样降低复杂度，并进行大量实验。1.model整体上就是一个对比学习的双阶段聚类框架。
Complicated__76·2023-01-17 14:40

【Matlab】海底声学模拟（Bellhop）以及滤波器的设计

一、设计要求某单波束测深仪最大测量水深为300米，请根据《水声学原理》和《数字信号处理》相关知识，仿真设计该单波束测深仪的数字信号处理系统（包括模拟滤波器参数、采样频率、量化精度等工作参数；FIR/IIR
学测绘的小杨·2023-01-17 13:21

libtorch c++ 搭建分类网络进行训练和预测

权重初始化3.2.3测试预训练权重是否可用3.2.4训练函数3.2.5主函数4.测试4.1主函数4.2predic函数1.vgg.h这里以vgg分类网络为例，vgg网络简单：多层卷积提取特征，最大池化下采样
Mr.Q·2023-01-17 13:35

度量学习（Metric learning、损失函数、triplet、三元组损失、fastreid）

1）特征提取网络：mapembedding2）采样策略：将一个mini-batch里的样本组合成很多个sub-set3）lossfunction：在每个sub-set上计算loss.应用场景通常是在个体级别的细粒度识别上使用
TigerZ*·2023-01-17 12:49

转置卷积（Transposed Convolution）

在介绍UNet的时候，我们提到了转置卷积，在UNet右侧分支上，对特征上采样的其中一种实现方式即为转置卷积（另一种为双线性插值）。所以今天我们就来看看转置卷积的实现细节。
牧羊女说·2023-01-17 12:44

Time Series Classification时间序列分类 （一）

时间信号数据与普通的一维数据不同，因为时间信号在一维上具有比较强的相关性，如果把每个采样点作为一个特征来用的话可能并不能得到比较好的效果，所以也就有了TimeSeriesClassification这个问题
Gownsmandell·2023-01-17 12:44

机器学习常用数据清洗方法

最近做机器学习的项目，汇总一下用得比较多的数据清洗方法，主要有：重新命名列名、去除空值、去除0值（或负值）、过采样、下采样1.重新命名列名平时读数据的时候，原始数据总是有各种乱七八糟的命名，可以通过命名便于理解第一种方法
蒽，开心(∩_∩)·2023-01-17 11:21

一文看尽深度学习中的各种池化方法！

理论上来说，网络可以在不对原始输入图像执行降采样的操作，通过堆叠多个的卷积层来构建深度神经网络，如此一来便可以在保留更多空间细节信
weixin_39450742·2023-01-17 11:15

上采样层什么意思_深度学习网络层之上采样（Unpooling）

之前一篇博文中介绍了深度学习中的pooling层,在本篇中主要介绍转置卷积这种上采样操作。转置卷积也是一种卷积。
weixin_39861054·2023-01-17 11:45

池化层的改进

池化层的作用降采样减少参数量（进而降维、去除冗余、减少计算量等等）扩大感受野具有一定的尺度、旋转不变性从新的角度看池化层池化可以看成是对滑动窗口内的激活值（activation）线性加权。。
陈生~·2023-01-17 11:44

MatLab的双目相机标定和orbslam双目参数匹配

ORB-SLAM3的yaml文件2022.5.6补充参考相机标定本文用的是MatlabR2021a1.准备黑白棋盘格：https://www.aliyundrive.com/s/tEZsuhSDdXb2.相机采样启动双目相机对棋盘格进行不同位姿的多次拍照采样
昼行plus·2023-01-17 11:10

分组卷积计算量_计算机视觉知识点汇总（1）

池化层根据特征图上的局部统计信息进行下采样，在保留有用信息的同时减少特征图的大小。和卷积层不同的是，池化层不包含需要学习的参数。
weixin_39780784·2023-01-17 09:18

Unet解析

bridge不能存在下采样和上采样的操作。"""de
A1chemist·2023-01-17 07:17

Unet网络解析

Unet网络非常的简单，前半部分就是特征提取，后半部分是上采样。在一些文献中把这种结构叫做编码器-解码器结构，由于网络的整体结构是一个大
无码不欢的我·2023-01-17 07:44

制作PointNet以及PointNet++点云训练样本

目录一、明确问题：1.1、标准数据集参考：1.2、HDF5数据组织形式：二、开始制作数据集2.1、数据标注，本人使用了Arcgis软件进行标注2.2、样本点云提取，采样，归一化1）：根据点云las名称和类别名称文件
CC047964·2023-01-17 07:11
上一页 114 115 116 117 118 119 120 121 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他