Learning(FSL) 第8页

【python】OpenCV—Tracking（10.1）

学习来自《LearningOpenCV3ComputerVisionwithPython》SecondEditionbyJoeMinichinoandJosephHowse文章目录检测移动的目标涉及到的

bryant_meng·2024-02-05 17:22

企业级大数据平台应用场景介绍

从技术的角度看，企业级大数据平台功能细分为Batch、SQL、流式处理、machinelearning、Deeplearning。

明月说数据·2024-02-05 16:10

【架构论文】VELTAIR: Towards High-Performance Multi-tenant Deep Learning Services via Adaptive Compilation

摘要本文从调度粒度、代码生成等方面系统分析了在通用CPU架构上提供多租户深度学习服务的机遇和挑战。我们提出了一种自适应粒度调度方案，既能保证资源使用效率，又能降低调度冲突率。我们还提出了一种自适应编译策略，通过该策略，我们可以动态、智能地选择具有适当独占和共享资源使用的程序，以减少整体干扰引起的性能损失。与现有工作相比，我们的设计可以在各种场景下（例如，轻、中、重工作负载分别为+71%、+62%、

Destiny·2024-02-05 16:52

周记：2019第26周(6.24-6.30）

1工作：主要是写文档，一个产品说明书，2个专利交底书2学习：《DeepLearning》7/20(chapters）看完第7章（RegularizationforDeepLearning），这章和下一章讲的优化方法应该是深度学习最重要的理论基础了

孙文辉已被占用·2024-02-05 15:48

强推10款Python常用的开发工具

1IDLE：Python自带的IDE工具IDLE（IntegratedDevelopmentandLearningEnvironment），集成开发和学习环境，是Python的集成开发环境，纯Pyth

程序员橘子·2024-02-05 14:33

（5）【Python/机器学习/深度学习】Machine-Learning模型与算法应用—12种聚类算法说明与归纳

目录一、12种聚类(无监督学习)算法说明和区分比较聚类算法的类型（一）编辑导入函数库加载数据集编辑(1)K-Means--Centroidmodels(2)Mini-BatchK-Means--Centroidmodels(3)AffinityPropagation(Hierarchical)--Connectivitymodels(4)MeanShift--Centroidmodels聚类后如何

代码骑士·2024-02-05 13:12

（4）【Python数据分析进阶】Machine-Learning模型与算法应用-回归、分类模型汇总

线性回归、逻辑回归算法应用请参考：https://codeknight.blog.csdn.net/article/details/135693621https://codeknight.blog.csdn.net/article/details/135693621本篇主要介绍决策树、随机森林、KNN、SVM、Bayes等有监督算法以及无监督的聚类算法和应用PCA对数据进行降维的算法的基本原理及应

代码骑士·2024-02-05 13:59

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（六）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第十四章：使用卷积神经网络进行深度计算机视觉尽管

绝不原创的飞龙·2024-02-05 13:54

项目化学习的相关研究2021-07-06

吕莹_3271·2024-02-05 11:31

从领域外到领域内：LLM在Text-to-SQL任务中的演进之路

导语本文介绍了ODIS框架，这是一种新颖的Text-to-SQL方法，它结合了领域外示例和合成生成的领域内示例，以提升大型语言模型在In-contextLearning中的性能。

Q同学的nlp笔记·2024-02-05 11:26

（阅读笔记）SecureML: A System for Scalable Privacy-Preserving Machine Learning

SecureML动机基础知识SecureML文章总结动机用户（例如物联网设备）计算、电池资源受限，选择外包数据给云或边缘执行密集型计算；用户数据包含隐私信息，数据控制权的转移意味着数据隐私泄露风险；选择加密原语处理数据后上传，实现密文计算（网络推理或训练）是重要挑战。基础知识线性回归模型，值连续，损失函数多选择最小欧式距离计算；逻辑回归模型，二分类任务，值离散，损失函数多选择交叉熵计算；神经网络模

你看见的我·2024-02-05 10:27

论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning

论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearningNDSS2021录用文章目录论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearning

JiangChSo·2024-02-05 10:55

最新论文笔记(+21)：Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems/ TIFS2022

Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被

cryptocxf·2024-02-05 10:24

（6）【Python/机器学习/深度学习】Machine-Learning模型与算法应用—使用Adaboost建模及工作环境下的数据分析整理

目录一、为什么要使用Adaboost建模？二、泰坦尼克号分析（工作环境）（插曲）Python可以引入任何图形及图形可视化工具三、数据分析四、模型建立1、RandomForestRegressor预测年龄2、LogisticRegression建模引入GridSearchCV引入RandomizedSearchCV3、DecisionTree建模4、RandomForest建模FeatureImpo

代码骑士·2024-02-05 10:53

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（一）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0前言机器学习海啸2006年，GeoffreyHinton

绝不原创的飞龙·2024-02-05 10:51

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（四）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第二部分：神经网络和深度学习第十章：

绝不原创的飞龙·2024-02-05 10:51

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（三）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第六章：决策树决策树是多功能的机器学习算法

绝不原创的飞龙·2024-02-05 10:10

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（八）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第十八章：强化学习强化学习（RL）是当今最激动人心的机器学习领域之一

绝不原创的飞龙·2024-02-05 10:10

成功学习的科学

正标题：MakeItStick，意思是：学习它并把它记住；副标题：TheScienceofSuccessfulLearning，翻译过来就是“成功学习的科学”。从目录（目录：一、认清学习的本来面目！

三门峡2932姚英梅·2024-02-05 09:31

ORACLE中查询日期格式

原始格式：selectStarttime,EndtimefromELEARNING.Opt_TrainingwhereOrgid='6c457da0-7825-4df7-bcd7-0e0e9c37631b

ruleslol·2024-02-05 09:10

ORACLE拼接字符串

1、可以使用“||”来拼接字符串：selectb.province||'-'||b.city||'-'||b.Addressaslocation_descrFROMelearning.Opt_UseraJOINelearning.Opt_TrainingbONa.Trainingid

ruleslol·2024-02-05 09:10

15th June Learning summary of probability

Todaywecontinueddiggingouthowtocalculateandwhattheprinciplesofitiswithunorderedsets(repetitionallowed).Andatthelast,thereisaformulan(N-1)/N-1(nobjectsinarow,chosenfromNobjects)waitingtobeverified,expe

rusty6kimo·2024-02-05 09:46

0414 VPN & Blockchain learning summary

VPNislikeasubmarinecomparedpublicboatwithprivacyandsecurityofdata.AndthescalabilityofVPNismuchgreaterthanleasedlinesincethedistanceoflocationmattersalittleforcreationofVPN.Dataconfidentialityprobablyi

rusty6kimo·2024-02-05 08:48

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（七）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第十六章：使用RNN和注意力进行自然语言处理当艾伦

绝不原创的飞龙·2024-02-05 07:27

设计一个可以智能训练神经网络的流程

设计一个可以智能训练神经网络的流程，需要考虑以下几个关键步骤：初始化参数：设定初始的batchsize和learningrate，以及其他的神经网络参数。

东方佑·2024-02-05 05:07

数据支持下的差异化教学

王博士提出了课堂实践的STD标准：以学生为中心（Studentcentered），团队合作学习(Team-basedlearning),差异化教学（Differentiatedinstruction）。

王科学老师·2024-02-05 05:48

深度学习入门笔记（1）——什么是深度学习？

在很多人眼里，深度学习（DeepLearning）是一个十分高大上的研究手段，它可以模拟人的判断，让数据处理和结果输出具有“人性”，在没接触过的人看来，深度学习简直是“玄学”范畴，网络一通，谁都不爱。

ZRX_GIS·2024-02-05 05:56

ICLR2019 | 模型训练会发生了大量的、反复的样本遗忘现象，如何解决？

来自：SimpleAI标题：AnEmpiricalStudyofExampleForgettingduringDeepNeuralNetworkLearning会议：ICLR-2019机构：CMU，MSR

zenRRan·2024-02-05 05:16

【DeepLearning-10】yolo.py文件关键代码parse_model(d, ch)函数

这段代码功能是根据提供的配置字典（d）和输入通道列表（ch）来解析并构建一个YOLOv5模型。函数的核心工作是遍历模型的每一层，并根据配置创建相应的神经网络层。我们可以在函数中为新增模块配置构造参数设置。函数中fori,(f,n,m,args)inenumerate(d['backbone']+d['head']):#from,number,module,args这一部分对应yolo.yaml文件

风筝超冷·2024-02-05 02:56

cf补题（2.20）

Tanyaislearninghowtoaddnumbers,butsofarsheisnotdoingitcorrectly.Sheisaddingtwonumbersaandbusingthefollowingalgorithm

biubiu1123·2024-02-05 00:34

全面解析 Kmeans 聚类算法（Python）

作者|泳鱼来源|算法进阶一、聚类简介Clustering(聚类)是常见的unsupervisedlearning(无监督学习)方法，简单地说就是把相似的数据样本分到一组（簇），聚类的过程，我们并不清楚某一类是什么

AI科技大本营·2024-02-04 22:59

2024.2.4周报

模型架构4、文献解读一、Introduction二、实验三、结论二、PINN一、PINN比传统数值方法有哪些优势二、PINN方法三、正问题与反问题总结摘要本周我阅读了一篇题目为DeepResidualLearningforImageRecognition

Nyctophiliaa·2024-02-04 22:22

XGboost常见特征处理及其他问题

1.Bagging和Boosting区别RF,GBDT,XGBoost,lightGBM都属于集成学习（EnsembleLearning），集成学习的目的是通过结合多个基学习器的预测结果来改善基本学习器的泛化能力和鲁棒性

噶噶~·2024-02-04 21:14

头马Pathways分享 —— 时间管理

在头马大区Patehwayslearningcamp里作为Pathways导师做的分享，整理了文字版分享给大家～～～不知道大家会不会经常有这样的疑问，每天要工作要生活，还要参加头马会议，一天就24个小时

砚香Elaine·2024-02-04 20:20

【FAS Survey】《Deep learning for face anti-spoofing: A Survey》

bryant_meng·2024-02-04 19:35

『Python 干货』#2 NumPy（简明）

Hwcoder·2024-02-04 17:29

unity 导出html5网页,Unity WebGL demos

unrealengine4(UE4)isfree,anditallowsyoudesktop,mobile,html5.Thelearningcurveislonger,andthereareplentyofcoursesonudemy.comTomake2DgamesinUE4youmayprofittheuseofPaper2Dpreset.ProsofUnrealEngine

无无无所谓·2024-02-04 16:19

论文阅读：Learning Lens Blur Fields

这篇文章是对镜头模糊场进行表征学习的研究，镜头的模糊场也就是镜头的PSF分布，镜头的PSF与物距，焦距，光学系统本身的像差都有关系，实际的PSF分布是非常复杂而且数量也很多，这篇文章提出用一个神经网络MLP来进行表征学习，相当于将镜头的PSF分布都压缩在了一个神经网络模型里面。Abstract光学模糊是光学镜头的固有性质，因为实际镜头都存在各种各样的像差，光学模糊与物距，焦距，入射光线的波长都有关

Matrix_11·2024-02-04 14:54

人工智能基础-Numpy-创建Numpy数组和矩阵

nparr=np.array([iforiinrange(10)])nparr[5]=100nparr[5]="MachineLearning"查看数据类型nparr.dtype对于整型来说赋值浮点数会隐式转换创建

小旺不正经·2024-02-04 13:35

机器学习——集成学习

有时也被称为多分类器系统（multi-classifiersystem）、基于委员会的学习(committee-basedlearning)等。

三三木木七·2024-02-04 09:37

Python IDE——PyCharm的下载与安装（2024）

、下载PyCharm三、安装PyCharm四、使用PyCharm一、Python开发工具Python解释器捆绑了Python的官方开发工具——IDLE(IntegratedDevelopmentandLearningEnvironment

菜鸟小芯·2024-02-04 07:21

使用HCPpipelines分割皮层

https://github.com/Washington-University/HCPpipelines一、工作环境准备1.安装好FSL，版本在6.0.2以上，安装参考既往的笔记2.安装好Freesurfer

长腿猴子请来的救兵·2024-02-04 07:36

pandas_learning

1，普通操作importrandomimportnumpyasnpimportpandasimportpandasaspdimportseaborn#u=pd.DataFrame(np.random.randn(3,4),columns=list('abcd'),index=list('123'))#print(u)t=pd.Series([-1,-1,-1,2,3,1,4,-4,4,4])t_u

伽利略の助教·2024-02-04 07:30

机器学习 | 如何利用集成学习提高机器学习的性能？

目录初识集成学习Bagging与随机森林OttoGroupProduct(实操)Boosting集成原理初识集成学习集成学习（EnsembleLearning）是一种通过组合多个基本模型来提高预测准确性和泛化能力的机器学习方法

亦世凡华、·2024-02-04 06:23

林轩田机器学习基石课程笔记1 -The Learing Problem

而机器学习（MachineLearning），顾名思义，就是让机器（计算机）也能向人类一样，通过观察大量的数据和训练，发现事物规律，获得某种分析问题、解决问题的能力。

Spareribs·2024-02-04 05:33

英语流利说 Level 4 Unit2 Part4 Learning Al Capone 2

In1930,CaponewaspublicenemynumberoneinChicago.Ayearlaterhewasarrestedforfailuretopaytaxes.Thegovernmenthadfinallyfoundawaytocatchhim.Afteratrial,hewasfoundguiltyandsentencedto11yearsinprison.Hespentth

rivendell1984·2024-02-04 02:43

Lesson 8: Learning Through Practice

MyVoice:https://www.ximalaya.com/waiyu/12250588/104661055text:http://www.wherewriterslearn.com/blog.htm?post=958532Practiceputsbrainsinyourmuscles—legendarygolferSamSneadAthletesandmusicianswhowanttob

梦浩然·2024-02-04 02:04

基于敏锐背景响应和自蒸馏学习的弱监督时序动作定位 SODA: WTAL Based on Astute Background Response and Self-Distillation Learni

“SODA:WeaklySupervisedTemporalActionLocalizationBasedonAstuteBackgroundResponseandSelf-DistillationLearning

六个核桃Lu·2024-02-04 01:32

En-Compactness:Self-Distillation Embedding&Contrastive Generation forGeneralized Zero-Shot Learning

1.引言基于大量标记数据的图像分类任务[6,16,23]由于深度学习的进步取得了巨大的进展[13,21,55]。然而，深度模型对数据的强烈依赖性使其在某些类别缺乏或甚至没有标记数据的情况下表现不佳[47]。零样本学习（ZSL）[24,35]被提出来解决这一数据缺失问题，通过识别来自未见过类别的对象。首先，它们在已见过的类别上学习分类模型，这些类别提供了训练样本，然后使用类别级别的语义描述符[10,

computer_vision_chen·2024-02-03 22:27

LLM大模型

LLM代表"LanguageLearningModel"，它的目标是通过大规模的文本数据来学习语言的表示和语义理解。LLM模型采用了Transformer架构，它由多个编码器层和解码器层组成。

程序小勇·2024-02-03 22:05

推荐频道

Learning(FSL)