stanford机器学习笔记

机器学习笔记 - 通过视觉注意识别黑色素瘤论文简读

一、概述我们提出了一种基于注意力的黑色素瘤识别方法。与其他网络参数一起学习的注意力模块估计了高亮显示与病变分类相关的感兴趣图像区域的注意力图。与仅输出类标签相比，这些注意力映射提供了更易于解释的输出。此外，我们建议通过正则化具有感兴趣区域（ROI）的注意力图（例如，病变分割或皮肤镜特征）来利用先验信息。只要这种先验信息可用，就可以进一步细化分类性能和注意力图。据我们所知，我们是第一个为黑色素瘤识别
坐望云起·2023-06-10 20:59

【大模型】开源大模型汇总以及微调策略

目录前言LLaMAstanfordAlpacaGuanacoVicunaChinese-LLaMA-AlpacaChinese-VicunaLuotuo-ChineseFalconOpenBuddy-FalconChatGLM
桐原因·2023-06-10 16:29

生态系统NPP及碳源、碳汇模拟——土地利用变化、未来气候变化、空间动态模拟

CASA(Carnegie-Ames-StanfordApproach)模型是估算陆地生态系统
WangYan2022·2023-06-10 10:11

CS 224N总结

CS224N网址：StanfordCS224N|NaturalLanguageProcessingwithDeepLearningLecture1PPT网址：PowerPointPresentation
长命百岁️·2023-06-10 04:01

数据集网站（持续更新）

www.kaggle.com/datasetsImageNethttp://image-net.org/VisualDatahttps://www.visualdata.io/MSCOCOhttp://mscoco.org/StanfordCoreNLPhttp
外码斯迪·2023-06-09 23:30

Java基础语法

能够使用注释对程序进行说明*能够知道标识符、关键字的特点*能够知道常量的分类*掌握JDK、eclipse的安装配置第1章初识Java1.1Java语言概述1.1.1Java简介Java语言是美国Sun公司（StanfordUniversityNetwork
小小志愿者·2023-06-09 22:27

beitv3训练自己的数据集

https://github.com/microsoft/unilm第一步：下载数据集数据集1：Download2014trainimages,2014valimages数据集2：(https://cs.stanford.edu
cv-daily·2023-06-09 19:32

Nautilus Chain全球行分享会，深圳站圆满举办

在北京时间6月4日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在深圳（深圳南山区清华研究院）顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
西柚财经·2023-06-08 18:29

NLP-机器学习-监督学习-回归

一个好的总结：机器学习知识点全面总结_GoAI的博客-CSDN博客_机器学习笔记监督学习和无监督学习很好区分：是否有监督（supervised），就看输入数据是否有标签（label），输入数据有标签，则为有监督学习
zr_xs·2023-06-08 11:04

生态系统NPP及碳源、碳汇模拟（土地利用变化、未来气候变化、空间动态模拟）

模型简介CASA(Carnegie-Ames-StanfordApproach)模型是估算
xiao5kou4chang6kai4·2023-06-08 08:52

一文回顾 Boundless Hackathon at Stanford 首期 Workshop

由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办的“BoundlessHackathon@Stanford”
BTColdman·2023-06-07 22:57

PoseiSwap 参赛，参与斯坦福、Nautilus Chain等联合主办的 Hackathon 活动

近日，由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办的“BoundlessHackathon@Stanford
BTColdman·2023-06-07 22:56

斯坦福、Nautilus Chain等联合主办的 Hackathon 活动，现已接受报名

由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办的黑客松活动，现已接受优秀项目提交参赛申请。
BTColdman·2023-06-07 22:26

Nautilus Chain全球行分享会，深圳站圆满举办

在北京时间6月4日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在深圳（深圳南山区清华研究院）顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
BTColdman·2023-06-07 22:23

Nautilus Chain全球行分享会，深圳站圆满举办

在北京时间6月4日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在深圳（深圳南山区清华研究院）顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
区块链小八歌·2023-06-07 21:36

机器学习笔记＜一＞：PCA降维详解

文章目录前言直观理解数学推导代码实现PCA的局限性如何选定kkk值？为什么通过对特征值的选择可以减少噪声？前言本篇文章主要从对PCA的降维的直观理解、数学推导等方面对PCA降维进行讨论。直观理解主成分分析PCA(PrincipalComponentAnalysis)可以用于降维、数据压缩、特征提取以及数据可视化的处理。顾名思义，对数据做PCA之后可以得到数据的主成分信息，而这部分信息可以很好地还原
有点猫匿·2023-06-07 20:50

Machine Learning 机器学习笔记目录

目录前言第一周：Welcome1.1WhatisMachineLearning?1.2LinearRegressionwithOneVariable第二周：LinearRegressionwithMultipleVariables2.1MultivariateLinearRegression2.2ComputingParametersAnalytically2.3Octave/MatlabTuto
一缕殇流化隐半边冰霜·2023-06-07 19:55

机器学习笔记（7）stacking算法

一.Stacking思想简介1.Stacking的思想是一种有层次的融合模型，比如我们将用不同特征训练出来的三个GBDT模型进行融合时，我们会将三个GBDT作为基层模型，在其上在训练一个次学习器（通常为线性模型LR）,用于组织利用基学习器的答案，也就是将基层模型的答案作为输入，让次学习器学习组织给基层模型的答案分配权重。2.下图是个简单的例子，A、B是学习器，C、D、E是进行答案再组织的次学习器，
是魏小白吗·2023-06-07 14:47

【OpenJDK】OpenJDK 各大版本 Release 下载地址

OpenJDK是Sun（即美国斯坦福大学-StanfordUniversityNetwork-三个英文单词的第一个字母的缩写）公司在被Oracle公司收购之前，将公司的Java源代码开源而出现的一个开源分支版本
cnskylee·2023-06-07 11:01

生态系统NPP及碳源、碳汇模拟（土地利用变化、未来气候变化、空间动态模拟）

CASA(Carnegie-Ames-StanfordApproach)模型是估算陆地生态系统
PhyliciaFelicia·2023-06-07 10:25

机器学习笔记：深度学习模型复杂度

1时间复杂度（模型运算次数）决定了模型的训练/预测时间用FLOPs指代机器学习笔记：FLOPs_flop机器学习_UQI-LIUWJ的博客-CSDN博客2空间复杂度（模型参数数量）决定了模型的参数数量2.1
UQI-LIUWJ·2023-06-07 03:13

Stanford NLP+Python+中文配置使用与可视化

StanfordNLP下载下载网址：https://stanfordnlp.github.io/CoreNLP/要下载两个文件，一个是StanfordCoreNLP，一个是Chinese语言包（两个文件都挺大的
京漂的小程序媛儿·2023-06-06 22:25

StanFord 机器学习公开课笔记(5):朴素贝叶斯算法进阶、神经网络、SVM

本讲视频及讲义链接上一讲介绍了朴素贝叶斯算法区分垃圾邮件和非垃圾邮件的过程，在建模过程中，我们选取的特征的每一维都只有的取值,因此在对建立生成模型时，我们使用了用伯努利分布：实际上这样的朴素贝叶斯分类器使用了多元伯努利事件模型(MultivariateBernoulliEventModel)不用太在意这个模型的名字，它只是说明这个模型用到了多个服从伯努利分布的随机变量。更一般的情况，特征向量每一维
v1gor·2023-04-21 10:18

【NLP论文笔记】Glove: Global Vectors for Word Representation（Glove词向量理解）

论文链接：https://www.aclweb.org/anthology/D14-1162Github:https://github.com/stanfordnlp/GloVe课程链接
蘑菇轰炸机·2023-04-21 01:52

机器学习笔记之正则化(六)批标准化(BatchNormalization)

机器学习笔记之正则化——批标准化[BatchNormalization]引言引子：梯度消失梯度消失的处理方式批标准化(BatchNormalization)(\text{BatchNormalization
静静的喝酒·2023-04-20 21:02

MQTT 5协议你知道多少？

二、MQTT发展历程在20世纪90年代末，AndyStanford-Clark（IB
虹科工业物联网·2023-04-20 17:04

CS20si 第8课:生成对抗网络GANs

这一部分课程的学习资料只对Stanford内部学生提供。所以使用网上一个比较全的GANs学习系列替代。
tech0ne·2023-04-19 23:27

线性回归【机器学习笔记简摘】

定义与公式线性回归(Linearregression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。通用公式：h(w)=w1x1+w2x2+w3x3...+b=wTx+bh(w)=w_1x_1+w_2x_2+w_3x_3...+b=w^Tx+bh(w)=w1x1+w2x2+w3x3...+b=wTx+b线性回归当中主要有两种模型，一种是线性关系
数数chat·2023-04-19 18:46

概率机器学习笔记

1.单变量高斯混合分布原书对结果的得出没有给出解释，我比较困惑，网上找到了一篇推导的帖子，看完就明白了。式2.49的解释:红框即为关键处，这是显而易见的期望，不过是条件方差的期望：该证明的作者：@MISC{16609,TITLE={Whatisthevarianceoftheweightedmixtureoftwogaussians?},AUTHOR={whuber(https://stats.s
rush_mj·2023-04-19 03:09

机器学习笔记

网易云课堂地址：https://study.163.com/course/courseMain.htm?courseId=1004570029&trace_c_p_k2=8eabc335dcaa4be5af387811ed28fad1笔记地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes/tree/master
bad_eleven·2023-04-18 13:05

机器学习笔记（一）之特征工程、特征处理方法、特征构建

特征工程特征使用方案可用性评估特征获取方案特征处理特征清洗预处理单个特征多特征衍生变量特征处理特征构建特征提取方法特征使用方案这里我们要思考要实现我们的目标需要哪些数据答：基于我们的专业知识，尽可能找出对因变量有影响的所有自变量。举个例子：评价一个车是否是好车，我们有很多的参数，那么当我们训练一个模型帮助我们去判断车的好坏时候，就需要考虑各种各样的参数。有时候训练结果的不好，修改各类参数也无法得到
Charity_st·2023-04-18 10:58

两分钟解决Python读取matlab的.mat数据

我将使用StanfordCarsDataset数据集作为例子为大家演示
蚂蚁爱Python·2023-04-18 02:51

如何训练并使用GloVe词向量模型

官方给出的只有唯一一个C语言版本，相关链接如下：GloVe词向量的主页及简介：https://nlp.stanford.edu/projects/glove/Gl
菜菜鑫·2023-04-17 23:20

简单的转录组差异基因表达分析 -- DESeq2

文中使用的数据来自Standford大学的一个拟南芥的smallRNA-seq数据（https://bios221.stanford.edu/data/mobData.RData）该数据包含6个样本：SL236
尘世中一个迷途小书僮·2023-04-17 21:02

facebook社交网络分析

1数据介绍1.1数据背景该数据集来源于斯坦福大型网络数据集网站（http://snap.stanford.edu/data/ego-Facebook.html），由facebook的朋友列表组成，facebook
小小孩儿的碎碎念·2023-04-17 13:55

机器学习笔记 c#调用python脚本文件进行模型推理

一、简述很多的基于python的深度学习的库或者框架，不只是进行推理，还包含推理前的图像预处理和推理后的数据解析的程序。所以在使用的时候如果不基于python使用，那就还需要很多额外工作，还需要自行编写代码处理推理前的图像处理和推理后的数据解析等等。有的时候确实挺麻烦的，还是直接使用python更easy一点。但如果不是基于python的接口服务或者桌面应用等，就会涉及到跨语言调用的情况。下面说一
坐望云起·2023-04-16 01:10

CASA（Carnegie-Ames-Stanford Approach）模型应用

植被作为陆地生态系统的重要组成部分对于生态环境功能的维持具有关键作用。植被净初级生产力（NetPrimaryProductivity,NPP）是指单位面积上绿色植被在单位时间内由光合作用生产的有机质总量扣除自养呼吸的剩余部分。植被NPP是表征陆地生态系统功能及可持续性的重要参数之一，不仅直接反映生态系统在自然环境条件下的生产能力及质量状况，也是判定生态系统碳源/汇的重要因子。目前，基于多源遥感数据
zkzhzy·2023-04-15 20:48

算法工业界文本分类避坑指南

image.png公众号包包算法笔记，包包（包大人）的机器学习笔记，分享算法，机器学习，程序员，职场等算法工程师话题。背景说起文本分类，也算是一个老掉牙的话题，之前大家都喜欢琢磨模型。
ad110fe9ec46·2023-04-15 15:16

2019-03-08

今天的review来的人不多，羡慕Polchinski在他的自传里描述的他在Stanford的生活。过去了这么多年，他还是可以回忆起好多当时的朋友，一起讨论各种物理的朋友。
悟空饺子·2023-04-15 07:58

机器学习笔记之前馈神经网络(四)反向传播算法[数学推导过程]

机器学习笔记之前馈神经网络——反向传播算法[数学推导过程]引言回顾：感知机算法非线性问题与多层感知机反向传播算法(BackPropagation,BP\text{BackPropagation,BP}BackPropagation
静静的喝酒·2023-04-15 06:18

机器学习笔记之集成学习(二)Bagging与随机森林

机器学习笔记之集成学习——Bagging与随机森林引言回顾：偏差、方差、噪声自助采样法(BootstrappingSampling\text{BootstrappingSampling}BootstrappingSampling
静静的喝酒·2023-04-15 06:47

机器学习笔记之正则化(五)Dropout

机器学习笔记之正则化——Dropout引言引子：题目描述(正则化相关)正确答案：ABCD\mathcalA\mathcalB\mathcalC\mathcalDABCD题目解析回顾：集成学习方法：Bagging
静静的喝酒·2023-04-15 06:44

国内外做强化学习的团队

论文高产作者)、PieterAbbel（和Levine并列）UCL：DavidSliver(目前好像不指导学生了)、汪军老师等Alberta：RichardSutton老爷子、好几个理论的@蓝青峰大佬Stanford
臻甄·2023-04-15 04:16

python 最简单爬虫

importurllib2importcodecsimportsysreload(sys)sys.setdefaultencoding('utf8')print('startreptiling...')response=urllib2.urlopen("http://nlp.stanford.edu
王小鸟_wpcool·2023-04-15 02:54

1.6 Dropout 正则化-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

Dropout正则化除了L2正则化，还有一个非常实用的正则化方法——“Dropout（随机失活）”，我们来看看它的工作原理。（图1.6.1）假设你在训练上图这样的神经网络（图1.6.1），它存在过拟合，这就是dropout所要处理的，我们复制这个神经网络，dropout会遍历网络的每一层，并设置消除神经网络中节点的概率。假设网络中的每一层，每个节点都以抛硬币的方式设置概率，每个节点得以保留和消除的
ygl_9913·2023-04-14 22:34

2.3 Logistic 回归损失函数-深度学习-Stanford吴恩达教授

Logistic回归损失函数(LogisticRegressionCostFunction)在上个视频中，我们讲了逻辑回归模型，为了优化逻辑回归模型的参数和，需要定义一个代价函数（costfunction）。先来回顾一下上一节课逻辑回归的输出函数：为了让模型通过学习调整参数，你需要给予一个样本的训练集，这会让你在训练集上找到参数和，来得到你的输出。为了更详细的描述上述方程式，我们需要说明上面的定义
ygl_9913·2023-04-14 22:03

2.18 Logistic 损失函数的解释-深度学习-Stanford吴恩达教授

Logistic损失函数的解释(ExplanationofLogisticRegressionCostFunction(Optional))在前面的视频中，我们已经分析了逻辑回归的损失函数表达式，在这节选修视频中，我将给出一个简洁的证明来说明逻辑回归的损失函数为什么是这种形式。回想一下，在逻辑回归中，预测的结果，是我们熟悉的型函数，。我们约定，即当给定输入特征x的时候y=1的概率。换句话说，如果y
ygl_9913·2023-04-14 22:03

1.7 理解 Dropout-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

理解DropoutDropout可以随机删除网络中的神经单元，他为什么可以通过正则化发挥如此大的作用呢？直观上理解：不要依赖于任何一个特征，因为该单元的输入可能随时被清除，因此该单元通过这种方式传播下去，并为单元的四个输入增加一点权重，通过传播所有权重，dropout将产生收缩权重的平方范数的效果，和之前讲的正则化类似；实施dropout的结果实它会压缩权重，并完成一些预防过拟合的外层正则化；对不
ygl_9913·2023-04-14 22:54

Stanford CoreNLP 简单尝试

python脚本（此处只展示实体识别的调用方式）#引入StanfordCoreNLPfromstanfordcorenlpimportStanfordCoreNL
我的天_6026·2023-04-13 17:04

1.2「Stanford Algorithms」Why Study Algorithms?

Hi,myname'sTimRoughgarden.I'maprofessorhereatStanfordUniversity.AndI'dliketowelcomeyoutothisfirstcourseontheDesignandAnalysisofAlgorithms.Now
墨小匠·2023-04-13 03:37
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他