PREDICTION 第10页

Long-Term Trafﬁc Speed Prediction Based on Multiscale Spatio-Temporal Feature Learning Network

ZangD,LingJ,WeiZ,etal.Long-TermTrafficSpeedPredictionBasedonMultiscaleSpatio-TemporalFeatureLearningNetwork[J].IEEETransactionsonIntelligentTransportationSystems,2018,PP(99):1-10.2020.5.21*

兔兔猿·2022-11-24 12:46

自动驾驶轨迹预测论文阅读（一）Deep Learning-based Vehicle Behaviour Prediction For Autonomous Driving Applications

论文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9158529（如果链接无法打开可以通过论文DOI从scihub下载）[精读-机器学习方法估计预测综述]MOZAFFARIS,AL-JARRAHOY,DIANATIM,等,2022.DeepLearning-basedVehicleBehaviourPredictionFor

小张小张快来学习·2022-11-24 12:13

Improving Inductive Link Prediction Using Hyper-Relational Facts

摘要多年来，知识图(KGs)上的链接预测一直是一个纯粹的转换任务，不允许对看不见的实体进行推理。最近，越来越多的努力被投入到探索半和全归纳场景，使推理能够对不可见的和新兴的实体。然而，所有这些方法都只考虑基于三元组的kg，而它们更丰富的对应，超关系KG(如Wikidata)，还没有得到适当的研究。在这项工作中，我们对不同的归纳设置进行了分类，并研究了在图神经网络的最新进展支持的广泛的半归纳和全归纳

小蜗子·2022-11-24 12:40

【知识蒸馏】Channel-wise Knowledge Distillation for Dense Prediction

文章目录一、背景二、动机三、方法3.1回顾SpatialDistillation3.2Channel-wiseDistillation四、效果五、训练和测试六、代码解析论文链接：https://arxiv.org/pdf/2011.13256.pdf代码链接：https://github.com/irfanICMLL/TorchDistillerMMDetection：https://github

呆呆的猫·2022-11-24 07:57

姿态ECCV2020（十）I2L-MeshNet: Image-to-Lixel Prediction Network for Accurate 3D Human Pose and Mesh Esti

《I2L-MeshNet:Image-to-LixelPredictionNetworkforAccurate3DHumanPoseandMeshEstimationfromaSingleRGBImage》论文解读Abstract1.Introduction2.I2L-MeshNet2.1PoseNet2.2MeshNet原文：I2L-MeshNet:Image-to-LixelPredictio

Raywit·2022-11-24 06:40

跟着官方文档学DGL框架第十天——训练图神经网络之链接预测

参考链接https://docs.dgl.ai/en/latest/guide/training-link.html#guide-training-link-prediction概述什么是链接预测链接预测就是预测图中给定节点间是否存在边

cqu_shuai·2022-11-24 05:31

论文速读 -- FIERY: Future Instance Prediction in Bird’s-Eye View from Surround Monocular Cameras

论文速读–FIERY:FutureInstancePredictioninBird’s-EyeViewfromSurroundMonocularCameras参考：1.知乎FIERY一.摘要驾驶需要与道路参与者互动，并预测他们未来的行为，以便安全驾驶。我们提出了FIERY：一个概率未来预测模型基于单眼相机BEV视角。我们的模型预测了未来的实例分割和动态运动，可转化为非参数未来的轨迹。我们的方法结合

Darchan·2022-11-24 02:03

Reformulating HOI Detection as Adaptive Set Prediction

本文出自华中科技大学、北京航空航天大学、商汤科技联合团队，作者重新将HOI定义为了一个自适应的集合预测问题，设计了一种基于Transformer框架的双流HOI检测模型，效果远超目前的SOTA算法。本文中，作者将HOI检测重新表述为一个自适应集预测问题，利用这个新的公式，论文提出了一个基于自适应集的one-stage框架（AS-Net），该框架具有并行实例和交互分支。为了实现这一点，作者将一个可训

Mr___WQ·2022-11-23 14:26

yolov5训练coco数据集

backbone中，Focus结构能对特征图进行切片操作（如：4x4x3>>2x2x12)Prediction中，计算损失函数变为GIOU-LOSS,不同于yolov4中的CIOU-LOSS(个人认为是不

m0_51694014·2022-11-23 11:46

#Reading Paper# Learning Graph Meta Embeddings for Cold-Start Ads in Click-Through Rate Prediction

#论文题目：LearningGraphMetaEmbeddingsforCold-StartAdsinClick-ThroughRatePrediction（基于图神经网络和元学习的冷启动推荐算法）#论文地址：https://arxiv.org/abs/2105.08909#论文发表网站：https://dl.acm.org/doi/10.1145/3404835.3462879#论文源码开源地址

堇禤·2022-11-23 03:28

#论文学习#第二篇：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

CNN-SLAM:Real-timedensemonocularSLAMwithlearneddepthpredictionCNN-SLAM：基于学习深度预测的实时稠密单目slamAbstract：本文研究了如何利用深度神经网络预测对深度地图进行精确和稠密的单目重建。我们提出了一种方法，将cnn预测的稠密深度地图与直接单目SLAM获得的深度测量自然融合在一起。我们的融合方案在单眼SLAM方法容易失

qq_34716695·2022-11-22 21:29

谣言检测文献阅读一A Review on Rumour Prediction and Veracity Assessment in Online Social Network

系列文章目录谣言检测文献阅读一—AReviewonRumourPredictionandVeracityAssessmentinOnlineSocialNetwork谣言检测文献阅读二—Earlierdetectionofrumorsinonlinesocialnetworksusingcertainty‑factor‑basedconvolutionalneuralnetworks谣言检测文献阅

江_小_白·2022-11-22 18:09

nn.CrossEntropyLoss()的计算过程

nn.CrossEntropyLoss()中的计算方法：原公式为：loss=-(y1logp1+y2logp2+y3logp3+…+ynlogpn)y1,y2,…,yn为ground-truth标签，p1,p2,…,pn为prediction

哈兰德小助理·2022-11-22 14:15

内在好奇心模型(Intrinsic Curiosity Module,ICM)-论文Curiosity-driven Exploration by Self-supervised Prediction

关于强化学习的稀疏奖励问题，主要的解决方案有：1）塑形奖励函数，但是塑形奖励函数一般或多或少的带有设计者的个人主观因素，这可能会导致模型的最优策略发生偏移。目前，防止塑形奖励函数改变最优策略的方法是吴恩达的Potential-BasedRewardShaping（没了解的可以搜索一下看看，有很多博客）。2）模仿学习，其实也就是使用专家演示数据引导训练，典型的代表就是DQN中使用的transitio

难受啊！马飞...·2022-11-22 12:40

机器学习笔记：卡尔曼滤波

降噪就是给信号一个高的权重而给噪声一个低的权重1.1滤波、插值与预测插值（interpolation）平滑（smoothing）用过去的数据来拟合过去的数据滤波（filtering）用当前和过去的数据来求取当前的数据预测（prediction

UQI-LIUWJ·2022-11-22 07:20

Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读笔记

我的博客链接0.前言1.作者试图解决什么问题？作者想在KGE中对语义层级（semantichierarchies）进行建模。2.这篇论文的关键元素是什么？semantichierarchy,polarcoordinatesystem3.论文中有什内容可以“为你所用”？两种可视化的展示方式，清晰明了的展示了作者方法的有效性；table1中展示的模型分数函数和参数；在relatedwork中分析自己模

NYSDY·2022-11-22 01:53

Geometry-enhanced molecular representation learning for property prediction|GeoGNN|将几何增强分子表示用于分子性质预测

这周读了一篇有关分子性质的文章《Geometry-enhancedmolecularrepresentationlearningforpropertyprediction》，文章于2022.2.7发表在NatureMachineIntelligence期刊上，期刊属于计算机人工智能1区，3年平均IF为15.508。文章的创新点在于将3D信息（键长、键角、原子之间的距离）应用到分子表示当中。文章源码

啊啦灯神叮·2022-11-21 19:48

Today2022 | Deep learning methods for molecular representation and property prediction

一、分子表征分子表征形式：1D：SMILES、Fingerprints(ECFP)、molecularaccesssystem(MACCS)、mathematicalrepresentationSMILES：字符串虽然简单、快速，但仍然不能全面捕捉原子之间的空间关系。如图1所示，在C=C5苯环上，5个碳原子被分组为C5;然而，不同的碳原子与其他原子有不同的关系，并且位于分子中不同的位置。此外，它们

羊飘·2022-11-21 18:43

python求均方根_python之MSE、MAE、RMSE的使用

target=[1.5,2.1,3.3,-4.7,-2.3,0.75]prediction=[0.5,1.5,2.1,-2.2,0.1,-0.5]error=[]foriinrange(len(target

weixin_39948309·2022-11-21 17:14

Vision Transformers for Dense Prediction--阅读阶段

MengYa_DreamZ·2022-11-21 10:21

python预测糖尿病_使用机器学习的算法预测皮马印第安人糖尿病

皮马印第安人糖尿病预测pima_diabetes_analysis_and_prediction文件夹:data-->存储原始样本和数据清洗后的样本data_analysis_after_clean--

weixin_39613433·2022-11-21 07:36

yolox论文研读

DataAugmentation3.AnchorFree与OTA4.End2end5.多种可选配的网络基准模型：Yolov3_sppYolox-Darknet53三.OTA四.总结1.输入端2.Backbone3.Neck4.Prediction

豆干花生·2022-11-21 06:47

Transformer-Based Attention Networks for Continuous Pixel-Wise Prediction 基于Transformer注意力网络连续像素级与估计

仅作学习交流~包含重点翻译，要点归纳，部分扩展论文地址GitHub-ygjwd12345/TransDepth:CodeforTransformersSolveLimitedReceptiveFieldforMonocularDepthPrediction目录1摘要2介绍3相关工作4核心TransDepthAGD5实验结果-数据集6.实验结果评估7总结8扩展1摘要虽然卷积神经网络对各种计算机视觉任

MengYa_DreamZ·2022-11-21 03:34

[文献阅读]Boosting Internet Card Cellular Business via User Portraits: A Case of Churn Prediction

据我们所知，我们是第一个基于大规模和可操作的蜂窝数据集的数据分析来描述IC用户肖像的人，这是促进IC相关业务的基石。•为了更好地理解IC用户肖像，我们通过检查概述分布，检查用户属性的影响，以及表征时空网络模式，对数据使用情况进行了全面的定性分析。通过为商业服务提供优化解决方案，所获得的观察结果对该领域的研究人员/工程师很有价值。•为了进行用户流失预测，我们提出并实现了一个名为ICCP的深度学习模型

凌凌漆1997·2022-11-21 02:17

吃瓜教程Task1-《机器学习》周志华

基本术语英文名称dataset数据集instance示例sample样本attribute属性feature特征attributespace属性空间samplespace样本空间featurevector特征向量prediction

shawn98_·2022-11-21 00:51

强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation

这一章学习使用on-policy的数据对状态值函数进行逼近，也就是在策略下估计值函数。这一章的重点在于估计的值函数不是使用表格来表示而是使用参数w的函数形式。一般来说权重参数的数量是远远比状态的数量要小的，而且改变一个权重的大小会影响到很多个状态值的估计。于是一个值函数的更新会带来很多其它值函数的改变。这种泛化能力非常有用但更难操作和理解。而且把强化学习延伸到函数逼近的形式也使得它能够应用于部分可

无所知·2022-11-20 19:19

#Paper reading#DeepInf: Social Influence Prediction with Deep Learning

#Paperreading#DeepInf:SocialInfluencePredictionwithDeepLearning设计了一个端到端的框架DeepInf，研究用户层面的社会影响力预测。论文地址:linkAbstract社交和信息网络活动，如Facebook，Twitter，WeChat，Weibo已经成为我们日常生活中不可缺少的一部分，我们可以很容易地了解到朋友的行为，进而受到他们的影响

edelweiss@撒哈拉·2022-11-20 15:26

YOLO v5算法详解

YOLOv5网络结构2、输入端3、Backone网络4、Neck网络5、Head网络1、YOLOv5网络结构图1YOLOv5网络结构图由上图可知，YOLOv5主要由输入端、Backone、Neck以及Prediction

普通网友·2022-11-20 11:39

ValueError: Expected 2D array, got 1D array instead:

1.你也可能是这种修改前test_prediction=svc.predict(hog_features.reshape)修改后test_prediction=svc.predict(hog_features.reshape

Gunther17·2022-11-20 11:28

【CheckNewest】Attention Attention Everywhere:Monocular Depth Prediction with Skip Attention

MengYa_DreamZ·2022-11-20 06:34

论文笔记：DeepDTA: deep drug–target binding affinity prediction Hakime

DeepDAT动机：药物靶标对相互作用的研究是新药物过程的重要过程，此前大多数研究集中于二分类，即药物-靶标是是相互作用，但是蛋白质配体的结合亲和力是连续值，预测该值是一个难题。之前也少数研究，是基于蛋白质-配体复合物的3D就或化合物的2D特征方法：本实验采用蛋白质和化合物的原始一维序列进行基于CNN的建模进行绑定亲和力的预测采用回归模型，能够预测相互作用强度的近似值×蛋白质-配体评分：×非机器学

yangsss_·2022-11-20 03:45

论文复现：DeepDTA: deep drug–target binding affinity prediction Hakime

论文复现，只实现模型及5-fold交叉验证，论文模型，未实现参数优化以及baseline对比。数据读入：模型：文件结构：datahelper.py改自官方发布的代码importnumpyasnpimportjsonimportpickleimportmathfromcollectionsimportOrderedDict#fromkeras.preprocessing.sequenceimport

yangsss_·2022-11-20 03:45

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（二）2021SC@SDUSC

2021SC@SDUSC数据集然后是对基准数据集的介绍，KIBA和DAVIS使用CI和r2m度量标准来衡量所提出的模型和基准模型的性能。对于Davis和KIBA数据集中蛋白质和药物的输入，我们采用了DeepDTA方法，通过字典将药物和蛋白质序列的smile数字化到一个固定的最大长度。deepDTAdeepDTA论文笔记：csdn：https://blog.csdn.net/qq_40311018/

芜湖大司码丶·2022-11-20 03:04

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（一）2021SC@SDUSC

2021SC@SDUSC论文解读：摘要：DTI预测背景：药物靶间相互作用(DTI)预测由于其在药物发现过程中的重要地位而受到越来越多的关注。许多研究引入计算模型，将DTI预测作为回归任务，直接预测药物靶对的结合亲和性。现有研究的缺陷与作者提出的模型：然而，现有的研究在编码药物化合物时忽略了原子之间的本质相关性，仅仅通过连接来模拟药物靶对的相互作用。基于这些观察，在本研究中，我们提出了一个端到端的模

芜湖大司码丶·2022-11-20 03:34

A deep-learning framework for multi-levelpeptide–protein interaction prediction文章梳理

作者：清华大学的曾坚阳老师团队期刊：NatureCommunication时间：2021.9.150写在前面的疑惑1）模型中，三个分类通道有一个分支将输出结果给与数字通道，目的是什么？1动机多肽通过与多种蛋白质相互作用并参与许多细胞过程，如程序性细胞死亡、基因表达调控和信号转导，因此，多肽在人类生理中发挥着至关重要的作用。由于其安全性、良好的人体耐受性，以及良好的灵活性和构象刚性之间的平衡，目前，

李划水员·2022-11-20 03:26

Tensorflow:AttributeError: module ‘tensorflow’ has no attribute ‘contrib’解决方案

Tensorflow:AttributeError:module‘tensorflow’hasnoattribute'contrib’解决方案遇到问题：在一次跑相关模型时遇到以下报错prediction_fn

赤雁麟·2022-11-20 00:35

Explainable Link Prediction for Emerging Entities in Knowledge Graphs

GitHub-kingsaint/InductiveExplainableLinkPrediction:ExplainableLinkPredictionforEmergingEntitiesinKnowledgeGraphs摘要尽管跨领域知识图具有大规模的覆盖范围，但它总是存在固有的不完整性和稀疏性。链接预测可以通过推断目标实体(给定源实体和查询关系)来缓解这一问题。最近的基于嵌入的方法在实体和

小蜗子·2022-11-19 22:17

论文《Implicit Feedbacks are Not Always Favorable: Iterative Relabeled OCCF against Noisy Interactio》阅读

IterativeRelabeledOne-ClassCollaborativeFilteringagainstNoisyInteractions》阅读论文概况主要贡献及亮点方法论PretextTask(Prediction

行者^_^煜煜·2022-11-19 19:33

2021 RSC | Drug–target affinity prediction using graph neural network and contact maps

2021RSC|Drug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps摘要计算机辅助药物设计使用高性能计算机来模拟药物设计中的任务，这是一个很有前途的研究领域。药物-靶点亲和力（DTA）预测是计算机辅助药物设计中最重要的一步，可以加快药物开发并减少资源消耗。随着深度学习的发展，将深度学习引入DTA预测并提高准确率已成为研

发呆的比目鱼·2022-11-19 13:44

【论文阅读】MPViT : Multi-Path Vision Transformer for Dense Prediction

发表年份：2021.12发表单位：ElectronicsandTelecommunicationsResearchInstitute(ETRI),SouthKorea期刊/会议：CVPR论文链接：https://arxiv.org/abs/2112.11010代码链接：https://github.com/youngwanLEE/MPViT目录Abstract1.Introduction2.Rel

Billie使劲学·2022-11-19 12:26

论文阅读：MPViT : Multi-Path Vision Transformer for Dense Prediction

最先进的ViT使用单尺度的patchembedding和单路径transformer编码器MPViT通过重叠卷积将相同大小的特征和不同大小的patch的同时嵌入。Ø将多尺度patch嵌入，通过重叠卷积将其拉平成为不同尺寸的token，在适当调整卷积的填充/步幅后产生具有相同序列长度的特征。Ø然后，来自不同尺度的token被通过多条路径独立并行送到Transformer编码器中，执行全局自我关注。Ø

甜橙不加冰·2022-11-19 12:18

保研考研面试—机器学习

可以结合机器学习课本周志华的理解一下基本概念：超平面：n维欧式空间中的n-1维线性子空间解释一下ROC曲线与PR曲线ROC真正率和假正率PR精准率与召回率如果一个学习器的PR曲线包住了另一个，则可以认为A的性能优于C定义一下prediction

moluggg·2022-11-19 11:15

V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction

V2VNet：使用V2V通信提高自动驾驶车辆的感知和运动预测任务：感知和motion预测，SDV需要对3D场景进行推理，识别其他车辆/行人，并预测他们未来可能如何行动。在一个深度网络模型中联合执行3D目标检测和motion预测可提高准确性和稳健性，且两个任务的共享计算实现了高效的内存使用和快速的推理时间。挑战：严重遮挡的物体或距离较远的物体会导致稀疏的观察结果，对现代计算机视觉系统构成挑战。网联S

superbzhoucc·2022-11-19 08:22

论文笔记Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction∗

对于交通管理，公众安全，人流量预测是至关重要的。人流量预测是非常具有挑战的一个任务，受许多复杂因素的影响，例如区域间的流量，事件和天气。我们提出一个深度学习的方法，叫做ST-ResNet,预测在一个城市中的每个区域人流的流入量和流出量。我们基于时空数据的的特性设计了一个端到端的结构，ST-ResNet。详细来说，我们利用残差网络建模拥挤交通的时间邻近性，周期性，趋势性。对于上述的每一个属性，我们都

circle_yy·2022-11-19 07:17

论文阅读笔记——A deep tree-based model for software defect prediction

IronmanJay·2022-11-19 01:28

pytorch 建立LSTM模型实现股价预测

target=https%3A//github.com/yhannahwang/stock_prediction本文通过jupyternotebook转化成markdown文件，再放到

weixin_44457930·2022-11-17 09:11

AUTOWARE架构

AUTOWARE架构传感层（Sensing）计算层（Computing）感知（Perception）定位（Localization）检测（Detection）预测（Prediction）决策（Decision

dinghhhhh·2022-11-16 18:31

Pytorch 线性回归

在机器学习领域中的大多数任务通常都与预测（prediction）有关。当我们想预测一个数值时，就会涉及到回归问题。

哇咔咔负负得正·2022-11-15 11:49

[李宏毅深度学习作业] 作业1：ML2021Spring-hw1 COVID-19 Cases Prediction【以时间线为记录】

写在开头：此篇博客主要是记录李宏毅老师2021年春季的深度学习作业1的笔记过程，以时间的角度进行记录。COVID-19CasesPrediction8月27号[初步操作]初步查看数据集+用基础的RF进行测试结果8月28号[运行样例代码]李宏毅助教代码运行+理解1、SetupHyper-parameters[设置超参数]2、Loaddata[下载数据]3、Loadmodel[下载模型]4、Start

Bessie_Lee·2022-11-09 12:45

2022李宏毅机器学习hw1--COVID-19 Cases Prediction

目录一.开题说明：二.梗概：三.问题背景：四.模型建立：1.数据下载2.导入必要的包3.定义函数4.定义类（Dataset以及DNN）5.特征选择6.定义超参数7.定义DataLoader8.训练与预测五.可视化分析六.优缺点分析与改进建议优点：缺点：改进建议：一.开题说明：本人在完成HW1的过程中，发现存在以下困难：1.信息获取相对麻烦，不易于寻找相关资料2.可提供的有用信息比较零散，导致不能马

Vector Jason·2022-11-09 12:12

推荐频道

PREDICTION