Lecture

机器学习基石笔记（一）：学习的问题

文章目录Lecture1TheLearningProblemCourseIntroductionWhatisMachineLearningKeyEssenceofMachineLearningFunTimeApplicationsofMachineLearningFunTimeComponentsofMachineLearningBasicNotationsFunTimeMachineLearni
夜是故乡明·2022-11-29 11:20

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统...

Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域，对于一些问题存在一些算法，能试图自动地替你学习到一组优良的特征。
weixin_30807677·2022-11-29 09:38

【操作系统】Linux 进程间通信（IPC）—共享内存（System V与POSIX API实现，基于生产者消费者问题）

Linux进程间通信（IPC）—共享内存实验内容：进程间通信—共享内存编译运行课件Lecture08例程代码:producer-consumer问题的POSIXAPI应用示例:alg.8-4~alg.8
Maxwell-Wong·2022-11-26 23:29

【操作系统】磁盘调度算法（FCFS、SSTF、SCAN 和 C-LOOK 调度策略）

LabWeek18实验报告实验内容：硬盘调度编写一个C程序模拟实现课件Lecture25中的硬盘磁头调度算法，包括FCFS、SSTF、SCAN和C-LOOK调度策略。
Maxwell-Wong·2022-11-26 23:59

深度学习-lecture2（图像分类）李飞飞计算机视觉

CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisual>Recognition，即面向视觉识别的卷积神经网络。今天所来了解的是图像的分类。仅供自己记录学习。图像分类一.NearestNeighborClassifier（最近邻分类器）二.k-NearestNeighborClassifier（k-最近邻分类器）三.验证集、交叉验证集和超参数调优四
多思考多睡觉·2022-11-26 14:53

Heterogeneous Parallel Programming 异构并行编程 - UIUC伊利诺伊大学（持续更新）

Lecture11.2IntroductiontoHeterogeneous异构1.3PortabilityandScalability1.4IntroductiontoCUDA数据并行化and执行模型
惊鸿落-Capricorn·2022-11-26 10:51

斯坦福CS229机器学习笔记-Lecture8- SVM支持向量机 之核方法 + 软间隔 + SMO 算法

CS229的视频和讲义均为互联网公开资源Lecture8主要内容如下：·Kernels(核方法)·SoftMargin(软间隔)–非线性可分
Teeyohuang·2022-11-25 17:06

图机器学习 - cs224w Lecture 1 & 2 - 图的性质及随机图

文章目录Lecture1:IntroductionLecture2:PropertiesandRandomGraphDegreeDistributionPathLengthClusteringCoefficientConnectivityErdos-RenyiRandomGraphModelSmall-WorldModelKroneckerGraphModel
WineChocolate·2022-11-25 16:40

李宏毅老师《机器学习》课程笔记-2.1模型训练技巧

文章目录Lecture2Whattodoifmynetworkfailstotrain1.模型性能的分析思路（1）先看trainingloss（2）如果trainingloss小，再看testingloss
宁萌Julie·2022-11-25 15:37

李宏毅机器学习笔记-2022spring

机器学习笔记文章目录机器学习笔记Lecture1Colab的使用机器学习的基本概念一个简单的例子1.方程的设立2.定义损失函数3.优化参数（Loss最小）对上例的改进Hardsigmoid多层的神经网络
jwj1342·2022-11-25 07:03

Lecture 8: Machine Translation, Sequence-to-sequence and Attention

文章目录Pre-NeuralMachineTranslation机器翻译翻译模型NeuralMachineTranslationHowtotrainaNMTsystem?搜素策略GreedydecodingExhaustivesearchdecodingBeamsearchdecodingNMT的优缺点MT的评价Attention总结Pre-NeuralMachineTranslation机器翻译
24kb_·2022-11-24 22:08

CS3342 Lecture 5

UML-SequenceDiagramSequenceDiagramShows:ObjectsorActors(NOTclassesorthesystemitself)asverticaldottedlines.(eventsashorizontalarrowsfromthesenderobjecttothereceiverobject.)Thereisnolimitonthenumberofac
weixin_30235225·2022-11-24 22:38

NLP-Lecture 5 Context Free Grammar and Parsing

NLP-Lecture5ContextFreeGrammarandParsingLearningObjectiveSyntacticAnalysis语法分析Syntax句法Context-FreeGrammar
DA之路·2022-11-24 22:38

台湾大学深度学习课程 学习笔记 Lecture 5-2: Sequence Generation

以下内容和图片均来自台湾大学深度学习课程。课程地址：https://www.csie.ntu.edu.tw/~yvchen/f106-adl/syllabus.htmlGenerationRNN的应用方法sentences是由characters/word组成；使用RNN的方法每次生成一个characters/wordX是之前产生的一个word，用one-hot-encoding表示。通过func
scxyz_·2022-11-24 22:37

Introduction to Computing with Python - lecture 1

Today目录CourseInfoWhatisaComputerDataRepresentationProgrammingLanguagesPython3StagesinProblemSolvingCourseGoals·Introductiontocomputerscienceandsoftwaredevelopment·Presentmethodsforproblemsolving·Acqui
带带萌新JAMMY BEAR·2022-11-24 22:37

Lecture 5 Transformer

Lecture5:Sequencetosequence文章目录TransformerSequence-to-sequence(Seq2seq)Seq2seqforSyntacticParsingSeq2seqforMulti-labelClassificationSeq2seqforObjectDetectionOverviewofSeq2seqModelEncoderTolearnmoreDec
Yi_cAt·2022-11-24 22:07

GAN学习笔记-李宏毅：GAN Lecture 9 (2018): Sequence Generation

李宏毅老师讲解的GANLecture9(2018):SequenceGenerationConditionalSequenceGeneration用maximizelikelihood（也可以称为minimizecrossentropy）训练seq2seqmodel的问题是trainingcriterion很难选到合适的byRLimprovingpolicygradeint与普通Gradient更
ahigan·2022-11-24 22:07

Hinton's lectures( NN for ML) from lecture 5 to lecture 9

NNNNsoft-maxlossfunction5aThingsthatmakeithardtorecognizeobjects5bhowtoachieveviewpointinvariance5ccnnforhand-writtendigitrecognitionBPforCNNswhatdoesthereplicatingthefeaturedetectorsachievepoolingLeN
亦余心之所向兮·2022-11-24 22:07

Lecture 5 Sequence to sequence

类神经网络训练不起来怎么办（五）批次标准化]Transformer（上）Transformer（下）
壁花lhh·2022-11-24 22:36

SICP-Notes-Lecture 07 Sequence & Data Abstraction

Lecture07Sequences&DataAbstractionThesearemynotesforSICP(StructureandInterpretationofComputerPrograms
Jacy_CSer·2022-11-24 22:36

lecture 5_quiz

第1个问题错误0/1分1.第1个问题Forwhichofthefollowingtaskscanweexpectthattheproblemof"dimensionhopping"willoccur(giventhatthedataisinputcorrectly)?Checkallthatapply.Determiningwhetherawavehashighfrequencyorlowfreq
SophieCXT·2022-11-24 22:06

《PyTorch深度学习实践》Lecture_11 卷积神经网络进阶 Convolutional Neural Network

B站刘二大人老师的《PyTorch深度学习实践》Lecture_11GoogLeNet+DeepResidualLearningLecture_11卷积神经网络进阶ConvolutionalNeuralNetworkGoogLeNet
　木夕敢敢·2022-11-24 15:24

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 8_Neural Networks Representation 神经网络的表述...

神经网络是一种受大脑工作原理启发的模式。它在许多应用中广泛使用：当您的手机解释并理解您的语音命令时，很可能是神经网络正在帮助理解您的语音;当您兑现支票时，自动读取数字的机器也使用神经网络。8.1非线性假设Non-linearClassification参考视频:8-1-Non-linearHypotheses(10min).mkv线性回归和逻辑回归的缺点：当输入数据特征过多，计算负荷大。计算机视觉
weixin_30498807·2022-11-24 05:39

CS231n Lecture 2: Image Classification pipeline

ImageClassificationpipelineAssignmentImageClassificationpipelineCodeAchievementWorkinglocallyDownloadDatasetStartIPythonCodeAchievementimportmodulesLoaddataKNNresultoptimizationiterationCross-validati
夏七岁·2022-11-23 15:51

调研题目 Image Indentification and Deep Learning——Thinking after Freshman Lecture

电子科技大学格拉斯哥学院2017级叶子鉴AuthorYeZijian,GlassgowCollegePrefacePhotoidentificationmaybeusedforface-to-faceauthenticationofidentityofapartywhoeitherispersonallyunknowntothepersoninauthorityorbecausethatperso
中心大液泡·2022-11-23 15:51

[cv231n] Lecture 2 | Image Classification(2)

Lecture2|ImageClassificationPrerequisitesPythonNumpyTutorialGoogleCloudTutorialImageClassificationLinearClassificationAssignment1K-NearestNeighborLinearclassifiers
gdtop818·2022-11-23 15:21

[cv231n] Lecture 3 | Loss Functions and Optimization

Lecture3|LossFunctionsandOptimization关于优化方法补充一条2019/2/27新出的论文：AdaBound，论文中该方法被证明比SGD和ADAM有更好的优化速度，并且也更容易在训练中达到最优效果
gdtop818·2022-11-23 15:21

CS20SI-tensorflow for research笔记: Lecture3

本文整理自知乎专栏深度炼丹，转载请征求原作者同意。本文的全部代码都在原作者GitHub仓库githubCS20SI是Stanford大学开设的基于Tensorflow的深度学习研究课程。TensorFlow中的LinearRegression我们用tensorflow实现一个线性回归的例子。问题：希望找到城市中纵火案和盗窃案之间的关系，纵火案的数量是\(X\)，盗窃案的数量是\(Y\)，我们假设存
z-pan·2022-11-23 15:50

[cv231n] Lecture 2 | Image Classification(1)

Lecture2|ImageClassificationPrerequisitesPythonNumpyTutorialGoogleCloudTutorialImageClassificationLinearClassificationAssignment1K-NearestNeighborLinearclassifiers
gdtop818·2022-11-23 15:50

Java3D Lecture

1.124JFoundationsofSoftwareEngineeringLecture23:Thursday11/30/00,2:30-4:00pm(1-190):TA:PetrosKomodromos,1-245,[email protected]/aTopics1IntroductiontoJava3D2Java3DReferences3Java3Donathena4ExamplesandAp
u011393661·2022-11-23 15:20

深度学习(莫烦 神经网络 lecture 3） Keras

神经网络&Keras目录神经网络&Keras目录1、Keras简介1.1科普:人工神经网络VS生物神经网络1.2什么是神经网络(NeuralNetwork)1.3神经网络梯度下降1.4科普:神经网络的黑盒不黑1.5WhyKeras?1.6兼容backend2、如何搭建各种神经网络2.1Regressor回归2.2Classifier分类2.3什么是卷积神经网络CNN2.4CNN卷积神经网络2.5什
Zero-One-0101·2022-11-23 15:20

CS231n-Lecture2:图像分类（Image Classification）

图像分类最近邻分类器（NearestNeighborClassifier/NN）概念实现过程K-最近邻算法（K-nearestneighbor/kNN）超参数的选择（hyperparameter）交叉验证kNN优缺点reference最近邻分类器（NearestNeighborClassifier/NN）概念图像分类数据集CIFAR-10：60,000张图，训练集50,000张（每个标签5,000
二叉树不是树_ZJY·2022-11-23 15:19

cs231n笔记：lecture2，lecture3

imageclassification图像分类问题就是为输入图像从一组给定的类别中为其分配一个标签的问题，这是计算机视觉领域的核心任务之一，尽管他很简单但却有很多种实际应用，许多看似不同的其他计算机视觉任务都可以简化为图像分类任务。例如下图就给出了一个图像分类模型根据给出的输入图像为其分配标签。可能遇到的问题虽然图像识别任务对于人来说是微不足道的，因为大脑早已具备了视觉识别的神经系统，但是这对于计
AEPro·2022-11-23 15:19

Lecture note 3: Linear and Logistic Regression in TensorFlow

Lecturenote3:LinearandLogisticRegressioninTensorFlow#之前的学习内容：GraphsandsessionsTFOps:constants,variables,functionsTensorBoard!Lazyloading1.LinearRegressioninTensorFlow让我们先从一个简单的线性回归的例子开始。我希望你已经熟悉线性回归，如
qq_32799915·2022-11-23 15:18

【cs231n】Lecture 2 : Image Classification pipeline 图像分类管道

Assignment1K-NearestNeighbor(k-最近邻分类器)Linearclassifiers(线性分类器)：SVM，SoftmaxTwo-layerneuralnetwork(两层神经网络)ImageFeatures(图像特征)Ⅰ.ImageClassification:AcoretaskinComputerVisionTheproblem:SemanticGap(语义鸿沟)Ch
lele_ne·2022-11-23 15:48

Lecture 4 Sequence as input

!在这里插入图片描述](https://img-blog.csdnimg.cn/b9e41f8d6cb2443a838c9e6626536405.png)!在这里插入图片描述](https://img-blog.csdnimg.cn/1248acfec9604ed8bc5a00faa10456ff.png)自注意力机制(Self-attention)（上）自注意力机制(Self-attention
壁花lhh·2022-11-23 15:17

Lecture 4 Sequence as input

Lecture4:Sequenceasinput文章目录Self-attentionSophisticatedInputVectorsetasinput文字处理音频处理GraphasinputWhatistheoutput
Yi_cAt·2022-11-23 15:47

Lecture 3 Convolutional Neural Network (CNN)

Lecture3:Imageasinput文章目录ConvolutionalNeuralNetwork(CNN)ImageClassificationObservationandSimplificationObserveandSimplify01ReceptiveField-TypicalSettingObserveandSimplify02ParameterSharing-TypicalSett
Yi_cAt·2022-11-23 15:46

关于thymeleaf的配置与使用

这里推荐一个网站里面有thymeleaf的相关说明https://heavy_code_industry.gitee.io/code_heavy_industry/pro001-javaweb/lecture
jakeonil·2022-11-23 12:43

GAMES101-现代计算机图形学入门-闫令琪——Lecture 13 Ray Tracing 1(Whitted-Style Ray Tracing) 学习笔记

Lecture13RayTracing1(Whitted-StyleRayTracing)WhyRayTracing?
凌风_dmt·2022-11-23 09:12

GAMES101-现代计算机图形学入门-闫令琪——Lecture 16 Ray Tracing 4 学习笔记

Lecture16RayTracing4一、ProbabilityReview1、RandomVariablesX：randomvariable.RepresentsadistributionofpotentialvaluesX
凌风_dmt·2022-11-23 09:12

图形学教程Lecture 13: RayTracing1(Whitted-Style Ray Tracing)知识点总结

课程地址：https://www.bilibili.com/video/BV1X7411F744?p=13课件地址：https://sites.cs.ucsb.edu/~lingqi/teaching/games101.html感谢大神的课程1.光线追踪的好处：真实，但是效率低，所以目前是离线渲染2.whitted-style光线追踪：比较早的光线追踪技术，从观察点对每个像素打出一条射线，计算该光
子胤·2022-11-23 09:42

Games101笔记——Lecture 16: Ray Tracing 4(Monte Carlo Path Tracing)

Lecture16:RayTracing4(MonteCarloPathTracing)本讲内容简要复习上节课蒙特卡洛积分路径最终复习：渲染方程复习：关于概率MonteCarloIntegration（
Twig233·2022-11-23 09:11

Games101 Lecture15 Ray Tracing3笔记

该章总结BRDF模型，这是一种基于物理的分析模型，创建的光照模型效果较好BRDF的理解基于物理着色：BRDF微分立体角含义：在某个三维方向上，θ和Φ各移动一个微小位移。则这个微小位移所包含的表面积可近似为微分立体角即为微分角所包含的表面积除以r的平方即：irradiance(powerperunitarea)辐射度:单位面积（垂直于光线）上的辐射通量单位瓦特/平方米注意若某个面与光线不垂直，则需要
Elsa的迷弟·2022-11-23 09:41

Games101 Lecture16 Ray Tracing 4笔记

直接用大佬笔记不重复造轮子，当然我也写不出这么详细的笔记理论：从零开始学图形学：写一个光线追踪渲染器（一）——渲染方程与BxDF从零开始学图形学：写一个光线追踪渲染器（二）——微表面模型与代码实现代码实现：GAMES101-现代计算机图形学学习笔记（作业07）
Elsa的迷弟·2022-11-23 09:41

Games101笔记——Lecture 13: Ray Tracing(Whitted-Style Ray Tracing)

Lecture13:RayTracing(Whitted-StyleRayTracing)WhyRayTracing？
Twig233·2022-11-23 09:11

games101【lecture13-16】Ray Tracing—辐射度量学

Basicradiometry(辐射度量学)学习思路：为甚要学？学的是什么？它是怎样做的提出动机Blinn-Phongmodel存在一定的问题——光的一些强度之类精确定义定义及作用如何去描述光照定义了光的属性：RadiantfluxintensityirradianceradianceRadiantEnergyandFlux(Power)lm=lumen表示灯泡有多亮或者说flux为一个感光元件，
山山向川·2022-11-23 09:10

Games202高质量实时渲染_lecture12_Real-Time Ray Tracing 1

Games202高质量实时渲染_lecture12_Real-TimeRayTracing11Basicidea1RTX2SPPpathtracing2Motionvector1previousmethod2industrialsolution3G-buffer4backprojection
longerVR·2022-11-23 09:10

games101【lecture13-16】Ray Tracing—whitted style

文章目录为什么引入光线追踪？光线追踪本身存在的问题光线定义以前研究光线追踪做法光线投射——Raycasting（Appel1968）Recursive(Whitted-Style)RayTracing光线求交射线定义光线与球如何判断位置推广——光线和隐式表面求交推广——光线和显式表面求交光线和平面求交光线求交如何加速——包围盒光线求交如何加速——基于包围盒的改进算法内容存在问题空间划分——基于包围
山山向川·2022-11-23 09:39

Games202高质量实时渲染_lecture13_Real-Time Ray Tracing2

Games202高质量实时渲染_lecture13_Real-TimeRayTracing21Implementingaspatialfilter1高斯滤波器2Bilateralfiltering双边滤波
longerVR·2022-11-23 09:39
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他