（learning）RuoYi 第13页

《Learning Spatiotemporal Features with 3D Convolutional Networks》算法详解

论文:LearningSpatiotemporalFeatureswith3DConvolutionalNetworks官方代码(caffe):http://vlg.cs.dartmouth.edu/c3d

ce0b74704937·2024-01-29 21:47

Masked Face Recognition Using Deep Learning: A Review

摘要：本次调查整理并回顾了最近基于深度学习技术为蒙面人脸识别（MFR）开发的工作，提供了对MFR系统开发流程的见解和深入讨论。根据深层网络架构的特点和深层特征提取策略，引入了最先进的技术，还讨论了MFR领域使用的常见基准测试数据集，强调了许多挑战和有前途的研究方向。一、引言遮挡人脸识别（OFR）任务引起了广泛的关注，并且已经提出了许多深度学习方法，包括稀疏表示、自动编码器、基于视频的对象跟踪、双向

禄亿萋·2024-01-29 16:25

关于如何选择训练模型中的随机种子

寻找办法1：torch.manualseed(3407)isallyouneed:Ontheinfluenceofrandomseedsindeeplearningarchitecturesforcomputervision

wwqily·2024-01-29 16:13

《Deep Long-Tailed Learning: A Survey》阅读笔记

论文标题《DeepLong-TailedLearning:ASurvey》深度长尾学习：调查作者YifanZhang、BingyiKang、BryanHooi、ShuichengYan（IEEEFellow

AncilunKiang·2024-01-29 15:49

Analysis of Learning from Positive and Unlabeled Data

PUlearning论文阅读。

zealscott·2024-01-29 14:53

深度强化学习基本概念-王树森课程笔记

.statetransition四、Rewards,Returns&ValueFuctions1.Return2.ValueFunction五、强化学习用AI控制agent1.Policy-basedlearning2

淀粉爱好者·2024-01-29 12:06

深度强化学习（王树森）笔记06

参考链接DeepReinforcementLearning官方链接：https://github.com/wangshusen/DRL源代码链接：https://github.com/DeepRLChinese

阿正的梦工坊·2024-01-29 12:01

人工智能时代的十大核心技术：重塑未来的无限可能 - 第八章 - 深度增强学习，开启AI智能新篇章

其中，深度增强学习（DeepReinforcementLearning,DRL）作为AI领域的一颗璀璨明星，正引领着AI系统在复杂环境中实现更高的智能水平。那么，深度增强学习究竟是什么呢？

百家峰会·2024-01-29 12:59

人工智能主要分支

人工智能主要分支学习目标了解人工智能的主要分支1主要分支介绍通讯、感知与行动是现代人工智能的三个关键能力，在我们这里将根据这些能力/应用对这三个技术领域进行介绍：机器学习（MachineLearning

ByteSage.·2024-01-29 12:52

【论文阅读】Membership Inference Attacks Against Machine Learning Models

基于confidencevector的MIAMachineLearningasaService简单介绍什么是MembershipInferenceAttacks（MIA）攻击实现过程DatasetShadowtrainingTrainattackmodelMachineLearningasaService

PleaseBrave·2024-01-29 09:04

【第五天】蓝桥杯备战

1、金币https://www.lanqiao.cn/problems/357/learning/解法：暴力importjava.util.Scanner;//1:无需package//2:类名必须Main

小舒不服输·2024-01-29 09:59

【第六天】蓝桥杯备战

题1、明明的随机数2、特殊日期1、明明的随机数https://www.lanqiao.cn/problems/539/learning/解法：暴力importjava.util.Scanner;importjava.util.Arrays

小舒不服输·2024-01-29 09:59

2024.1.28周报

目录摘要ABSTRACT一、文献阅读1、题目2、摘要3、解决的问题4、算法模型5、总结二、PINN方法三、PINN神经网络源码总结摘要本周我阅读了一篇题目为PhysicsInformedDeepLearning

Nyctophiliaa·2024-01-29 09:19

机器学习笔记(1) 逻辑回归

逻辑回归与之后的神经网络有着千丝万缕的联系，经常被用来当神经元激活算法讲，所以吴恩达教授的deeplearning也是从逻辑回归开始入手，其重要性不容小觑。

TheStudent_LifeLong·2024-01-29 09:01

Deeplearning

NumpyDeepLearningBasic神经网络：algorithm1input1outputinput2input3input4algorithm2监督学习：1个x对应1个y；Sigmoid:激活函数

stoAir·2024-01-29 08:26

机器学习--06自监督学习BERT模型

self-supervisedlearning里面有一些模型这些模型都是巨大的模型，这次就来以bert大模型为例子来讲解self-supervised。

小生xiaosheng·2024-01-29 08:08

解密人工智能：探索机器学习奥秘

机器学习的发展历程三.机器学习的原理四.机器学习的分类3.1监督学习3.2无监督学习3.3半监督学习3.4强化学习3.5四种分类对比五.机器学习的应用场景六.机器学习的未来发展趋势全文总结前言机器学习（MachineLearning

聆风吟_·2024-01-29 08:25

Learning in the Frequency Domain（频域）阅读笔记

海浪在开花·2024-01-29 08:11

深度强化学习之价值学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Value-basedlearning二、DeepQ-Network(DQN)1.原理2.DQN结构（以超级玛丽为例）3.用DQN操作Agent打游戏三、TemporalDifferenceLearning

淀粉爱好者·2024-01-29 03:23

深度强化学习之策略学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Policy-basedlearning二、PolicyNetwork三、Policy-BasedReinforcementLearning（策略学习）1.用神经网络近似状态价值函数

淀粉爱好者·2024-01-29 03:23

深度强化学习（王树森）笔记04

参考链接DeepReinforcementLearning官方链接：https://github.com/wangshusen/DRL源代码链接：https://github.com/DeepRLChinese

阿正的梦工坊·2024-01-29 03:19

[读书笔记] 硬件安全 - 从 SoC 设计到系统级防御

硬件安全-从SoC设计到系统级防御原作名《HARDWARESECRURITY-AHANDS-ONLEARNINGAPPROACH》机械工业出版社ChinaMachinePress作者：SwarupBhuniaandMarkTehranipoor

GKDf1sh·2024-01-29 03:10

Over-the-Air Deep Learning Based Radio Signal Classification

论文下载：OvertheAirDeepLearningBasedRadioSignalClassification摘要本文提出了基于深度学习的无线通信信号分类方法，并对其性能进行了研究。

2e07917c964c·2024-01-29 01:47

vue.js资源汇总，vue.js教程大全

一.资源教程综合类vuejs英文资料Vue中文资料总汇Vue.js的一些资源索引vue资料入门类vue快速入门Vue.js中文系列视频教程onLaravist英文教程LearningVue1.0:StepByStep

千泓·2024-01-29 01:51

Spark运行原理

Spark提供的基于RDD的一体化解决方案，将MapReduce、Streaming、SQL、MachineLearning、GraphProcessing等

hellozhxy·2024-01-28 23:41

基于机器学习的地震预测（Earthquake Prediction with Machine Learning）

基于机器学习的地震预测（EarthquakePredictionwithMachineLearning）一、地震是什么二、数据组三、使用的工具和库四、预测要求五、机器学习进行地震检测的步骤六、总结一、地震是什么地震几乎是每个人都听说过或经历过的事情

Svan.·2024-01-28 22:36

论文学习记录之Deep-learning seismic full-waveform inversion for realistic structuralmodels

一、ABSTRACT—摘要标题：Deep-learningseismicfull-waveforminversionforrealisticstructuralmodels（用于真实结构模型的深度学习地震全波形反演

摘星星的屋顶·2024-01-28 22:23

论文学习记录之SeisInvNet（Deep-Learning Inversion of Seismic Data）

目录1INTRODUCTION—介绍2RELATEDWORKS—相关作品3METHODOLOGYANDIMPLEMENTATION—方法和执行3.1方法3.2执行4EXPERIMENTS—实验4.1数据集准备4.2实验设置4.3基线模型4.4定向比较4.5定量比较4.6机理研究5CONCLUSION—结论1INTRODUCTION—介绍地震勘探是根据地震波在大地中的传播规律来确定地下地层结构的一种

摘星星的屋顶·2024-01-28 22:22

2024年1月13日~2024年1月19日（研读论文、了解语义分割）

二、论文SeisInvNet标题：DeeplearningInversionofSeismicData—地震数据的深度反演作者：ShucaiLi,BinLiu,YuxiaoRen,YangkangChen

摘星星的屋顶·2024-01-28 22:22

2023年1月20日-2024年1月26日（阅读SeisInvNet加强版、调整参数）

二、SeisInvNet标题：Deep-learningseismicfull-waveforminversionforrealisticstructuralmodels（用于真实结构模型的深度学习地震全波形反演

摘星星的屋顶·2024-01-28 22:51

[tensorflow] Tensorflow中learning rate 调整+ decay奇技淫巧

学习率设置在训练过程中，一般根据训练轮数设置动态变化的学习率。刚开始训练时：学习率以0.01~0.001为宜。一定轮数过后：逐渐减缓。接近训练结束：学习速率的衰减应该在100倍以上。Note：如果是迁移学习，由于模型已在原始数据上收敛，此时应设置较小学习率(≤10−4≤10−4)在新数据上进行微调。把脉目标函数损失值曲线理想情况下曲线应该是滑梯式下降[绿线]：曲线初始时上扬[红线]：Solutio

ASR_THU·2024-01-28 21:04

梯度下降方法中的学习率(learning rate), 衰减因子(decay) 冲量(momentum)

建议读者直接阅读链接中的文章1.https://www.jianshu.com/p/58b3fe300ecb2.https://www.jianshu.com/p/d8222a84613c学习率学习率lr(learningrate

17420·2024-01-28 21:04

深度学习参数调整—学习笔记

文章目录概念参数和超参数超参数分类欠拟合和过拟合学习率（learningrate）epoch批次大小（batch_size）step参考资料概念训练机器学习算法的主要目的是调整权重以最小化损失或成本。

studyeboy·2024-01-28 21:32

scheduler：pytorch训练过程中自动调整learning rate

importtorch.optimasoptimoptimizer=optim.Adam(net.parameters(),lr=1e-3,betas=(0.9,0.99))在使用PyTorch训练神经网络时，可能需要根据情况调整学习率（learningrate

robin_ze·2024-01-28 21:32

学习速率 learning rate

学习速率的选取策略运用梯度下降算法进行优化时，权重的更新规则中，在梯度项前会乘以一个系数，这个系数就叫学习速率ααα：如果学习速率太小，则会使收敛过慢。如果学习速率太大，则会导致代价函数振荡，迭代过快，梯度下降法可能会越过最低点，甚至可能发散。学习速率的取值取决于数据样本，可以多取一些值，从大到小，分别运行算法，看看迭代效果，如果损失函数在变小，说明取值有效，否则要增大步长。例如：把学习速率设置为

羊肉串串魅力无穷·2024-01-28 21:31

在深度学习中，epoch和learning rate的通常取值范围？

在深度学习中，epoch和学习率的取值确实会根据不同的任务、数据集和模型架构有所不同。然而，您提到的范围是一些常见的经验性取值，这些取值在很多情况下都能工作得相当好。1.对于epoch的取值范围：在很多研究论文和实际应用中，训练周期（epoch）通常设置在100-200次之间。这个范围是基于经验观察的，它足够让大多数模型在中等规模的数据集上进行充分的训练，同时也不会浪费过多的计算资源。当然，对于一

小桥流水---人工智能·2024-01-28 21:29

学习不是目的，学习本身就是一种生活方式

主题三：学习即生活——Learningisawayoflife.Everyonefollowstheirownway.我们总是喜欢问一个孩子：你长大了想干什么呀？

竹说·2024-01-28 19:32

论文中如何对公式进行引用？

示例出自《ALight-WeightDeep-LearningModelwithMulti-ScaleFeaturesforSteelSurfaceDefectClassification》

神笔馬良·2024-01-28 19:18

《学习之道》第三章丨有效运用大脑进行记忆的方法-- 工作记忆和长期记忆

在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”，数十万人报名。本书一

脑科学与学习方法技能·2024-01-28 18:49

用机器学习方法来预测设备故障

考虑到项目数据的敏感性，这里我以网上找到的一个公开数据集UCIMachineLearningRepository作为示例，其中用到的方法和我项目中所用到的方法是一致的。

gzroy·2024-01-28 18:30

两步教你ruoyi若依跳过前端拦截器变成自己的前端

前端跳过拦截登录目的是为了，复用一些ruoyi的前端框架，就直接改他的前端的某些东西变成自己的前端不香吗？

软工菜鸡·2024-01-28 16:15

Auto-Encoding Variational Bayes整理

Auto-EncodingVariationalBayesHowcanweperformefficientinferenceandlearningindirectedprobabilisticmodels

易之道·2024-01-28 13:16

ImageNet Classification with Deep Convolutional Neural Networks论文翻译——中英文对照

文章作者：Tyan博客：noahsnail.com|CSDN|简书翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationImageNetClassificationwithDeepConvolutionalNeuralNetworksAbstractWetrainedalarge

SnailTyan·2024-01-28 13:42

【机器学习笔记】0 背景知识之数学基础

www.icourse163.org/course/WZU-1464096179，课程资源（pdf版本课件和代码）公布在Github：https://github.com/fengdu78/WZU-machine-learning-course

RIKI_1·2024-01-28 10:24

【机器学习】强化学习（八）-深度确定性策略梯度（DDPG）算法及LunarLanderContinuous-v2环境训练示例...

训练效果DDPG算法是一种基于演员-评论家（Actor-Critic）框架的深度强化学习（DeepReinforcementLearning）算法，它可以处理连续动作空间的问题。

十年一梦实验室·2024-01-28 09:53

TNNLS'23 | 简单高效的图对比学习聚类

今天给大家分享的是国防科技大学刘新旺老师团队发表在IEEETRANSACTIONSONNEURALNETWORKSANDLEARNINGSYSTEMS的论文"SimpleContrastiveGraphClustering

数据派THU·2024-01-28 08:20

Deep-Learning-YOLOV4实践：ScaledYOLOv4模型训练自己的数据集调试问题总结

errorerror1:CUDAoutofmemoryerror2:TypeError:can'tconvertcuda:errorDeep-Learning-YOLOV4实践：ScaledYOLOv4

时间之里·2024-01-28 08:39

【DeepLearning-9】YOLOv5模型网络结构中加入MobileViT模块

一、神经网络的前中后期在神经网络中，特别是在深度卷积神经网络（CNN）中，“网络早期（低层）”、“网络中期（中层）”和“网络后期（高层）”通常指的是网络结构中不同层级的部分，每个部分在特征提取和信息处理方面有其特定的作用和特性。1.网络早期（低层）在网络的早期阶段插入MobileViTBv3可能会对原始图像进行较深层次的处理，有助于捕捉更丰富的空间特征。但同时，Transformer可能无法充分利

风筝超冷·2024-01-28 08:33

强化学习原理python篇03——贝尔曼最优公式

Bellmanoptimalityequation）定义求解Contractionmappingtheorem步骤例子Ref本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningOptimalStateValuesandBellmanOpt

WuRobb·2024-01-28 06:12

推荐频道

（learning）RuoYi