stanford机器学习笔记第5页

斯坦福经典AI课程CS 221官方笔记来了！机器学习模型、贝叶斯网络等重点速查...

来源：新智元、Stanford作者：鹏飞斯坦福大学的人工智能课程“CS221”，这门铁打的课程从2011年开始已经走过了8个年头，流水的讲师换了一批又一批，送走的毕业生一拨又一拨，至今仍然是人工智能学习的经典课程之一

zenRRan·2023-11-22 14:10

斯坦福NLP课程来了

https://web.stanford.edu/class/cs224n/关注v公众号：人工智能大讲堂，后台回复snlp获取全部资料。

人工智能大讲堂·2023-11-22 14:34

关于STARMAC旋翼机的计算系统组成分析

摘要：STARMAC，全称为“theStanfordTestbedofAutonomousRotorcraftforMulti-AgentControl”，是斯坦福大学为为了突破先前飞行器笨重、结构复杂的限制

银角大王陈·2023-11-22 06:46

机器学习笔记（四）---- 逻辑回归的多分类

一般情况下，我们都认为逻辑回归(LR)用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务：一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解--多分类任务拆解成多个二分类器首先了解下进行多分类学习任务的策略，第一

zhy_Learn·2023-11-22 01:23

求知若飢，虛心若愚 Stay Hungry, Stay Foolish

《SteveJobs于2005年对史丹佛毕业生演讲全文》译文引自：http://blog.yam.com/heuss/article/5166213英文原文：http://news.stanford.edu

shadowkiss·2023-11-21 14:28

机器学习笔记 - Ocr识别中的CTC算法原理概述

机器学习笔记-Ocr识别中的文本检测EAST网络概述-CSDN博客文章浏览阅读300次。在EAST网络的这个分支中，它合并了VGG16网络不同层的特征输出。

坐望云起·2023-11-21 08:48

机器学习笔记

目录机器学习基本概念介绍深度学习反向传播前向传播反向传播pytorch梯度下降算法卷积神经网络（CNN）卷积层池化层自注意力机制（self-attention）循环神经网络（RNN）长短期记忆递归神经网络（LSTM）Transformer自监督学习（Self-SupervisedLearning）BERT预训练（Pre-train）微调（Fine-tune）机器学习基本概念介绍机器学习≈机器自动寻

czyxw·2023-11-21 01:57

机器学习笔记 - 使用 PyTorch 的多任务学习和 HydraNet

一、HydraNet简述特斯拉使用了一个模型可以解决他们正在处理的每一项可能的任务。例如：物体检测、道路曲线估计、深度估计、3D重建、视频分析、物体追踪、ETC等等。以下是在NVIDIAGPU上以3种不同配置运行的2个计算机视觉模型的基准测试。在第一个配置中，我们运行语义分割模型。在第二种配置中，我们堆叠了单目深度估计模型。在第三种配置中，我们正在构建一个能够同时完成这两项任务的HydraNet。

坐望云起·2023-11-20 22:24

吴恩达机器学习笔记

一、机器学习1.1机器学习定义1.2监督学习supervisedlearning1.2.1监督学习定义给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案如预测房价（回归问题）、肿瘤良性恶性分类（分类问题）假如说你想预测房价。前阵子，一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来，看起来是这个样子:横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千

六本木砍王刀哥·2023-11-20 18:30

【Machine Learning】机器学习笔记-(上半部分)

初识机器学习文章目录初识机器学习一，机器学习-1.机器学习定义-2.机器学习算法分类-1.2.1监督学习定义-1.2.2回归问题-1.2.3分类问题-1.3无监督学习-1.3.1无监督学习定义-1.3.2聚类算法二，单变量线性回归-2.1单变量线性回归函数-2.2平方误差函数(代价函数)-2.2.1只考虑θ1θ_1θ1的代价函数-2.2.2θ0θ_0θ0，θ1θ_1θ1都考虑的代价函数-2.3梯度

君问归期魏有期·2023-11-20 18:23

【CS231n】－学习笔记-1-Intro to Computer Vision, historical context.

Class:http://cs231n.stanford.eduSchedule:http://cs231n.stanford.edu/syllabus.htmlSlides:http://vision.stanford.edu

Alice熹爱学习·2023-11-20 15:32

机器学习笔记 - 了解常见开源文本识别数据集以及了解如何创建用于文本识别的合成数据

一、部分开源数据集以下是一些英文可用的开源文本识别数据集。ICDAR数据集：ICDAR代表国际文档分析和识别会议。该活动每两年举行一次。他们带来了一系列塑造了研究社区的场景文本数据集。例如，ICDAR-2013和ICDAR-2015数据集。MJSynth数据集：该合成词数据集由牛津大学视觉几何组提供。该数据集由综合生成的900万张图像组成，涵盖9万个英语单词，并包括我们工作中使用的训练、验证和测试

坐望云起·2023-11-20 07:20

机器学习笔记：EM算法（期望最大算法）

1算法介绍1.0EM算法的引入EM算法主要解决的问题是，具有隐变量的混合模型的参数估计，即其极大似然估计如果是简单的问题，我们可以直接求出P(x|θ)的时候，我们可以直接用最大似然估计来求出解析解但如果在模型中有了隐变量之后，就不太好求解析解P(x|θ)了，也就无法用最大似然估计来得到最佳的θ——》这时候就需要EM算法了1.1EM算法介绍EM算法是一个迭代的算法，其会不断地更新θ，直至收敛。第t轮

UQI-LIUWJ·2023-11-19 20:17

机器学习笔记 - Ocr识别中的文本检测EAST网络概述

一、文本检测文本检测简单来说就是找到图像中可以出现文本的区域。例如，请参见下图，其中在检测到的文本周围绘制了绿色边框。在进行文本检测时，你可能会遇到两种情况具有结构化文本的图像：这是指具有干净/均匀背景和常规字体的图像。文本大多密集，行结构正确，文本颜色均匀。带有非结构化文本的图像：这是指复杂背景上带有稀疏文本的图像。文本可以具有不同的颜色、大小、字体和方向，并且可以出现在图像中的任何位置。对这些

坐望云起·2023-11-19 08:28

2022-2023学年英语周报九年级第7期答案及试题（初三第七期）

Weareoftentoldtopayattentiontowhatourmotherstellus.Mostofusenjoylisteningtoourmothersspeaking.ScientistsatStanfordUniversity

gaokaos·2023-11-19 06:49

机器学习笔记（六）——机器学习概念：多项式回归与pipeline、偏差和方差、L1正则与L2正则

一、多项式回归与sklearn中的Pipeline之前已经学习了简单线性回归，其输入特征值有一维，即y=θ0+θ1x1;y=\theta_0+\theta_1x_1;y=θ0+θ1x1;当推广到多维特征，即多元线性回归：y=θ0+θ1x1+θ2x2+…+θnxn。y=\theta_0+\theta_1x_1+\theta_2x_2+…+\theta_nx_n。y=θ0+θ1x1+θ2x2+…+θn

爱学习的老青年·2023-11-16 23:26

机器学习笔记（伪标签）/论文笔记 Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neu

Pseudo-Label:TheSimpleandEfficientSemi-SupervisedLearningMethodforDeepNeuralNetworks20131伪标签未标记的数据由监督学习网络标记。（将具有最大预测概率的类作为伪标签）然后使用标记数据和伪标记数据训练网络。2伪标签的损失函数损失函数分为真实标签部分和伪标签部分伪标签部分的权重使用a(t)来进行调节，如果a(t)特别

UQI-LIUWJ·2023-11-16 12:24

Ridge和Lasso回归代码实现--Tensorflow部分

Ridge和Lasso回归代码实现–Tensorflow部分–潘登同学的机器学习笔记python版本–3.6;Tensorflow版本–1.15.0;编辑器–Pycharm文章目录Ridge和Lasso

PD我是你的真爱粉·2023-11-16 10:45

吴恩达机器学习笔记26-样本和直观理解1（Examples and Intuitions I）

从本质上讲，神经网络能够通过学习得出其自身的一系列特征。在普通的逻辑回归中，我们被限制为使用数据中的原始特征?1,?2,...,??，我们虽然可以使用一些二项式项来组合这些特征，但是我们仍然受到这些原始特征的限制。在神经网络中，原始特征只是输入层，在我们上面三层的神经网络例子中，第三层也就是输出层做出的预测利用的是第二层的特征，而非输入层中的原始特征，我们可以认为第二层中的特征是神经网络通过学习后

weixin_34221773·2023-11-15 21:58

计算机科学经典著作(留作纪念)

ComputerScience版本:[2日更新]简介:1.TheArtofComputerProgrammingAuthor:Donald.E.KnuthWebsite:http://www-cs-faculty.stanford.edu

i龙家小少·2023-11-14 12:33

机器学习笔记（三）

枯鱼过河泣·2023-11-11 17:50

【GNN】一文读懂图卷积GCN

作者：苘郁蓁来源：知乎专栏郁蓁的机器学习笔记。编辑：happyGirl整理：浅梦的学习笔记具体来说，本文包括什么：图网络的有哪些种类，它们之间的区别和联系是什么？图卷积的地位，图卷积怎么理解？

zenRRan·2023-11-11 11:33

吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.SolvingtheProblemofOverfitting一、TheProblemofOverfittingunderfitting=highbias；overfitting=highvariance。避免过拟合的方法：二、CostFunction在代价函数J中对每个参数theta加入正则化项（罚函数），从而使所有的参数变小。但是不对theta0增加正则化项。若正则化项中的系数l

Loki97·2023-11-10 17:28

机器学习笔记 - WGAN生成对抗网络概述和示例

一、简述WassersteinGAN或WGAN是一种生成对抗网络，它最小化地球移动器距离(EM)的近似值，而不是原始GAN公式中的Jensen-Shannon散度。与原始GAN相比，它的训练更加稳定，模式崩溃的证据更少，并且具有可用于调试和搜索超参数的有意义的曲线。Wasserstein生成对抗网络（WassersteinGAN）是生成对抗网络的扩展，它既提高了训练模型时的稳定性，又提供了与生成图

坐望云起·2023-11-10 08:23

拓展认知边界：如何给大语言模型添加额外的知识

IntegratingKnowledgeinLanguageModelsP.s.这篇文章大部分内容来自StanfordCS224N这门课IntegratingKnowledgeinLanguageModels

oveZ·2023-11-08 21:11

机器学习笔记(四)

聚类算法K-means分为两个步骤查看每个点并将其分配给最近的集群质心将每个簇质心移动到所有具有相同颜色的点的平均值。损失函数J也叫失真函数Distortion选择聚类数量

半岛铁盒@·2023-11-08 19:01

机器学习笔记(3)

Adam算法Adam主要是用于梯度下降方面的优化,在不同的参数中给定不同的下降速率α主要应用在compile方面,加了一个优化器,初始学习速率是0.001,在运行时会自我调整精确度和召回率P,R调和均值,选择更好的算法右下角为公式.决策树判断的过程中像树一样选择从上到下分别是:根节点,决策节点,叶子节点在决策树的特征选择中,使用不同的特征,效果也不同什么时候停止继续向下分裂?1.当一个节点纯度达到

半岛铁盒@·2023-11-08 19:30

机器学习练习之多变量线性回归

在做完上一篇只有一个变量的线性回归后，这里继续完成多元线性回归模型的练习：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?

huiliao·2023-11-08 19:28

向量对向量求导，链式法则

http://cs231n.stanford.edu/vecDerivs.pdf这个文献是一个好文献。

构建的乐趣·2023-11-08 19:39

FlyAI小课堂：python机器学习笔记：深入学习决策树算法原理

分类技术（或分类法）是一种根据输入数据建立分类模型的系统方法，分类法的例子包括决策分类法，基于规则的分类法，神经网络，支持向量机和朴素贝叶斯分类法。这些技术都使用一种学习算法（learningalgorithm）确定分类模型，该模型能够很好的拟合输入数据中类标号和属性集之间的联系，学习算法得到的模型不仅要很好地拟合输入数据，还要能够正确的预测未知样本的类标号。因此，训练算法的主要目标就是建立具有很

iFlyAI·2023-11-07 16:50

python机器学习笔记：ID3决策树算法实战

ID3算法是一种贪心算法，用来构造决策树，ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每一个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美的分类训练样例。在此之前，推荐大家可以多在FlyAI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站

iFlyAI·2023-11-07 16:20

机器学习笔记5-2：Transformer

*注:本博客参考李宏毅老师2020年机器学习课程.视频链接目录1Seq2seq2Encoder3Decoder3.1AT汉字的产生如何输出不定长向量避免一步错，步步错3.2NAT3.3Training3.4Tips3.4.1CopyMechanism（复制机制）3.4.2GuidedAttention3.4.3BeamSearch3.4.4Learningratescheduling3.4.5Ba

Acetering·2023-11-06 15:44

机器学习笔记：RNN值Teacher Forcing

1基本介绍Teacherforcing是一种在训练循环神经网络（RNN）时使用的技术，尤其是在序列生成任务中，如机器翻译、文本生成或语音合成。这种方法的目的是更有效地训练网络预测下一个输出，给定一系列先前的观察结果。1.1标准RNN训练过程的问题当训练一个用于序列生成的RNN时，通常会让网络预测序列中的下一个元素。（这种模式又被称为free-runningmode/autoregressivemo

UQI-LIUWJ·2023-11-06 15:07

开发前言

Java语言是美国Sun公司（StanfordUniversityNetwork），在1995年推出的高级的编程语言。

lbon·2023-11-06 06:27

国科大英语测试Unit3

TranslationandParaphrasingWithoutthe1968experimentsofKendall,FriedmanandTaylorattheStanfordLinearAcceleratorCenter

逆羽飘扬·2023-11-05 20:19

懂你L5 U3 P1 Getting into college

He'sbeenacceptedtoStanford!Whatwasherreactiontothenew?Sheis

bibobiboni·2023-11-05 17:17

【ChatOCR】OCR+LLM定制化关键信息抽取（附开源大语言模型汇总整理）

目录背景技术方案存在的问题及解决思路关键信息提取结果其他解决方案替换文心一言LangChain大型多模态模型（LargeMultimodalModel,LMM）开源大模型汇总LLaMA——Meta大语言模型StanfordAlpaca

liuz_notes·2023-11-05 14:04

大语言模型的学习路线和开源模型的学习材料《一》

第一重ChatGLM-6B系列ChatGLM3ChatGLM2-6BChatGLM-6B第十重BaichuanBaichuan2Baichuan-13Bbaichuan-7B第十一重Llama2第二重StanfordAlpaca7B

三更两点·2023-11-05 13:56

Swift closure & higher order functions - 斯坦福iOS课程精简笔记

上课时closure这个swift的精华和重要概念没讲清楚，去看了Stanford公开课受益匪浅，在此记下备忘。因为我之前的主要语言是Java，也站在一个Javaer的角度谈谈Swift中不同的概念。

火瓜怪怪·2023-11-05 10:10

AndrewGSD·2023-11-04 23:09

QT+PCL 点云学习

包括下面几种格式：lPLY是一种多边形文件格式，由Stanford大学的Turk等人设计开发；lSTL是3DSystems公司

Leslie X徐·2023-11-04 21:45

机器学习笔记 - 感知器的数学表达

一、假设前提感知机（或称感知器，Perceptron）是FrankRosenblatt在1957年就职于Cornell航空实验室（CornellAeronauticalLaboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1。感知机是神经网络的雏形，同时也是支持向量机的基础，感知机对应

坐望云起·2023-11-04 12:41

路径规划之 A* 算法

算法介绍A*算法最初发表于1968年，由Stanford研究院的PeterHart,NilsNilsson以及BertramRaphael发表。它可以被认为是D

程序员大咖·2023-11-03 18:11

Pi

PiisanewdigitalcurrencybeingdevelopedbyagroupofStanfordPhDs.Foralimitedtime,youcanjointhebetatoearnPiandhelpgrowthenetwork.TojoinPi

ReleaseU·2023-11-03 09:39

Bit Twiddling Hacks

blog.sina.com.cn/s/articlelist_1249713681_14_1.html作者：很拽的土豆BitTwiddlingHacksBySeanEronAndersonseander@cs.stanford.eduIndividually

ShmilyCode·2023-11-03 08:56

吴恩达的机器学习笔记-写在前面

作为一个还没找到编程工作的的伪程序员，我都不好意思自封非科班程序员。今年是2018年11月，基本上，这一年就算过去了。我是今年毕业，不过7月份头脑发热，转正一个月后就裸辞了。想想心也是真大，说辞就辞，完全不考虑今年这样恶劣的就业环境。这不，你们看，报应来了，到现在都没有工作，只能来写写文章，通过文字来排解内心的焦虑。我在辞职的那家公司工作了大概有半年，工作是产品助理，日常琐碎的事情较多，但也基本应

吾儿滨滨·2023-11-03 03:51

java的学习--第一章 java基础入门

1.学习内容java语言简介JDK安装和配置java运行原理HelloWorld案例java的数据类型、变量、运算符、注释控制台的输入和输出2.java简介2.1前言Java语言是美国Sun公司(stanfordUniversityNetwork

不想秃头的小杨·2023-11-03 02:23

李宏毅机器学习笔记.Flow-based Generative Model(补)

文章目录引子生成问题回顾：GeneratorMathBackgroundJacobianMatrixDeterminant行列式ChangeofVariableTheorem简单实例一维实例二维实例网络G的限制基于Flow的网络构架G的训练CouplingLayerCouplingLayer反函数计算CouplingLayerJacobian矩阵计算CouplingLayerStacking1×1

oldmao_2000·2023-11-03 02:59

Stanford机器学习---第八讲. 支持向量机SVM

本栏目（Machinelearning）包括单参数的线性回归、多参数的线性回归、OctaveTutorial、LogisticRegression、Regularization、神经网络、机器学习系统设计、SVM（SupportVectorMachines支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machinelearning中Andrew

MachineLP·2023-11-02 18:24

Stanford机器学习---第8讲. 支持向量机SVM

本栏目（Machinelearning）包括单参数的线性回归、多参数的线性回归、OctaveTutorial、LogisticRegression、Regularization、神经网络、机器学习系统设计、SVM（SupportVectorMachines支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machinelearning中Andrew老师

hellotruth·2023-11-02 18:52

推荐频道

stanford机器学习笔记