stanford机器学习笔记第9页

《优秀的绵羊》读书笔记

“斯坦福狂鸭症”斯坦福学生中流传着一个名词叫“斯坦福狂鸭症”（StanfordDuckSyndrome）。想象一下，一只悠闲的鸭子在湖面上逍遥自在地漂过，水面之上的平静掩盖了水

铭心小站·2023-09-05 10:53

翻遍S16官网的推荐信要求后，我们解决了这些问题

Stanford官网对于推荐信是这么

ChaseDream_MBA·2023-09-05 05:02

机器学习（凸优化，SVM）笔记整理

机器学习笔记（1）凸优化、SVM问题凸优化一个AI问题可以把它分解为模型加优化两部分构成，模型有DL、SVM、CNN等，优化有GD，SGD，Adam等等。机器学习的核心是优化问题。

polaris2ai·2023-09-04 10:54

机器学习笔记之最优化理论与方法(三)凸集的简单认识(下)

机器学习笔记之最优化理论与方法——凸集的简单认识[下]引言回顾：基本定义——凸集关于保持集合凸性的运算仿射变换凸集基本性质：投影定理点与凸集的分离支撑超平面定理引言继续凸集的简单认识(上)进行介绍，本节将介绍凸集的基本性质以及相关定理

静静的喝酒·2023-09-04 10:53

机器学习笔记之最优化理论与方法(五)凸优化问题(上)

机器学习笔记之最优化理论与方法——凸优化问题[上]引言凸优化问题的基本定义凸优化定义：示例凸优化与非凸优化问题的区分局部最优解即全局最优解凸优化问题的最优性条件几种特殊凸问题的最优性条件无约束凸优化等式约束凸优化非负约束凸优化引言本节将介绍凸优化问题

静静的喝酒·2023-09-04 10:22

机器学习笔记 - 什么是多模态深度学习？

一、概述人类使用五种感官来体验和解释周围的世界。我们的五种感官从五种不同的来源和五种不同的方式捕获信息。模态是指某事发生、经历或捕捉的方式。人工智能正在寻求模仿人类大脑，终究是跳不出这具躯壳的限制。人脑由可以同时处理多种模式的神经网络组成。想象一下进行对话——您的大脑神经网络处理多模式输入（音频、视觉、文本、气味）。经过深层潜意识模态融合后，您可以推理对话者所说的话、他们的情绪状态以及您/他们的周

坐望云起·2023-09-04 02:06

李宏毅机器学习笔记：RNN循环神经网络

RNN一、RNN1、场景引入2、如何将一个单词表示成一个向量3种典型的RNN网络结构二、LSTMLSTM和普通NN、RNN区别三、LSTM的训练一、RNN1、场景引入例如情景补充的情况，根据词汇预测该词汇所属的类别。这个时候的Taipi则属于目的地。但是，在订票系统中，Taipi也可能会属于出发地。到底属于目的地，还是出发地，如果不结合上下文，则很难做出判断。因此，使用传统的深度神经网络解决不了问

ZEERO~·2023-09-03 21:55

机器学习笔记之最优化理论与方法(四) 凸函数：定义与基本性质

机器学习笔记之最优化理论与方法——再回首：凸函数定义与基本性质引言凸函数的定义严格凸函数凸函数的推论：凹函数常见凸函数凸函数的基本性质几种保持函数凸性的运算凸集与凸函数之间的关联关系引言本节将介绍凸函数定义及其基本性质

静静的喝酒·2023-09-03 07:36

论文笔记：DEEP DECLARATIVE DYNAMIC TIME WARPING FOREND-TO-END LEARNING OF ALIGNMENT PATHS

DynamicTimeWarping动态时间规整（&DTW的python实现）【DDTW，WDTW】_UQI-LIUWJ的博客-CSDN博客近年来，可微DTW被广泛地研究Soft-DTW使用技巧替代min，使之可微机器学习笔记

UQI-LIUWJ·2023-09-02 05:53

Java 语言简介

Java是Sun公司（全称为StanfordUniversityNetwork，斯坦福大学网络公司）1995年推出的一门面向对象的高级编程语言。

Wovw·2023-09-02 00:56

Unsupported major.minor version 52.0 (无法载入的.类问题

jdk版本和stanfordparser对应关系JDK版本和Java编译器内部的版本号J2SE8=52,J2SE7=51,J2SE6.0=50,J2SE5.0=49,JDK

悠夏安末·2023-09-01 19:55

机器学习笔记之最优化理论与方法(一)最优化问题概述

机器学习笔记之最优化理论与方法——最优化问题概述引言什么是最优化问题最优化问题的基本形式最优化问题的分类各分类最优化问题的数学表达约束优化VS无约束优化线性规划VS非线性规划连续优化VS离散优化单目标优化

静静的喝酒·2023-08-31 07:36

机器学习笔记之最优化理论与方法(二)凸集的简单认识(上)

机器学习笔记之最优化理论与方法——凸集的简单认识[上]引言凸优化问题与凸集合凸函数的关系凸优化问题简单示例凸集的简单示例基本定义：凸集关于凸集性质的等价条件，凸组合，凸包常见凸集引言本节将介绍关于凸集的基本信息

静静的喝酒·2023-08-31 07:32

机器学习 - 吴恩达版(Stanford)笔记 003

Topic:definitionofsupervisedlearning如果你有一个朋友想卖掉自己的房子，他的房子大小是想知道自己的房子可以卖多少钱。学习算法可以帮助他做什么呢？学习算法可以根据数据画一条直线或者曲线来拟合数据.如果用一条直线来拟合数据点，我们大致可以得出，房子可以卖150,000刀但也许我们有更好的拟合方式，比如使用多项式或者高次函数。例如使用二次函数(quadraticfunc

Wallace_QIAN·2023-08-30 18:07

Code Lab - 5

这个Colab的后半部分内容掌握的不是很好，内容上有点断层，后面有时间回看一下再补充pipinstall-qgit+https://github.com/snap-stanford/deepsnap.gitpipinstall-U-qPyDriveimporttorchimporttorch_geometricDeepSNAP

Life Pursuer·2023-08-30 14:29

机器学习笔记之核函数再回首：Nadarya-Watson核回归python手写示例

机器学习笔记之核函数再回首——Nadaraya-Watson核回归手写示例引言回顾：Nadaraya-Watson\text{Nadaraya-Watson}Nadaraya-Watson核回归通过核函数描述样本之间的关联关系使用

静静的喝酒·2023-08-30 09:37

机器学习笔记 - 基于OpenMMLab在自定义数据集上训练RTMDet网络

一、什么是RTMDet？RTMDet是一种高效的实时目标检测器，其自报告指标优于YOLO系列。它在COCO上实现了52.8%的AP，在NVIDIA3090GPU上实现了300+FPS，使其成为当前号称最快、最准确的目标检测器之一。RTMDet与其他实时物体检测器的对比。RTMDet采用了一种在主干和颈部具有兼容能力的架构，该架构使用包含大内核深度卷积的基本构建块构建。这种设计增强了模型捕获全局上下

坐望云起·2023-08-29 19:29

机器学习笔记 - 对象/目标检测技术发展史概览

一、简述物体检测算法的发展已经取得了长足的进步，从早期的计算机视觉开始，通过深度学习达到了很高的准确度。我们首先回顾早期传统的目标检测方法：Viola-Jones检测器、HOG检测器和基于部件的方法，它们在该领域发展之初就被广泛使用。然后，逐渐转向基于两阶段和一阶段目标检测神经网络的更现代的深度学习目标检测方法：RCNN、YOLO、SSD和CenterNet。这些方法提供了一种端到端的架构，允许算

坐望云起·2023-08-29 05:27

李宏毅机器学习笔记：结构学习，HMM，CRF

李宏毅机器学习笔记：结构学习，HMM，CRF1、隐马尔可夫模型HMM1.1Sequence2Sequence1.2HMM1.3Viterbi算法1.3HMM模型的缺点2、CRF2.1CRF模型2.2CRF

ZEERO~·2023-08-28 22:43

cs231n assignment1 feature

图像特征提取方法LBP在做stanfordcs231nassignment1时，最后一个作业题用到了图像的特征提取，作业里给的是HOG和colorhistogram这里我简单的在网上找了一下，在图像处理方面一般有三种图像特征提取方法

Line290·2023-08-28 18:27

GPT总设计师：大型语言模型的未来

来源|StanfordeCornerOneFlow编译翻译|杨婷、宛子琳、贾川回头来看，ChatGPT的横空出世验证了IlyaSutskever此前预想的AI发展方向。

OneFlow深度学习框架·2023-08-28 09:20

机器学习理论笔记（二）：数据集划分以及模型选择

经验误差与过拟合3训练集与测试集的划分方法3.1留出法（Hold-out）3.2交叉验证法（CrossValidation）3.3自助法（Bootstrap）4调参与最终模型5结语1前言欢迎来到蓝色是天的机器学习笔记专栏

蓝色是天·2023-08-27 23:34

机器学习笔记-阻尼牛顿法

文章目录前言一、阻尼牛顿法二、算法实例总结前言在学习了牛顿法之后，我们了解到牛顿法存在一个致命的问题：牛顿法的搜索方向不一定就是下降方向。这直接可能会导致牛顿法不会收敛。为了解决这个问题，我们主要的改进的方向有两点：改进使得牛顿法的搜索方向就是其函数值下降的方向。改进使得牛顿法不是下降方向的搜索方向变成是下降方向的搜索方向。一、阻尼牛顿法阻尼牛顿法就上述改进点中的第二点，为牛顿法沿牛顿方向

复杂混沌·2023-08-27 19:41

机器学习笔记之优化算法(十九)经典牛顿法的收敛性分析

机器学习笔记之优化算法——经典牛顿法的收敛性分析引言回顾：算法的收敛性分析Wolfe\text{Wolfe}Wolfe准则的收敛性分析梯度下降法在凸函数的收敛性分析梯度下降法在强凸函数的收敛性分析经典牛顿法的收敛性分析收敛性定理介绍证明过程关于隐含条件的说明引言上一节整体介绍了经典牛顿法

静静的喝酒·2023-08-27 19:09

机器学习笔记 - 数据科学中基于 Scikit-Learn、Tensorflow、Pandas 和 Scipy的7种最常用的特征工程技术

坐望云起·2023-08-27 13:09

机器学习笔记之优化算法(十九)牛顿法与正则化

机器学习笔记之优化算法——再回首:牛顿法与正则化引言回顾：经典牛顿法及其弊端牛顿法：算法步骤迭代过程中可能出现的问题正则化HessianMatrix\text{HessianMatrix}HessianMatrix

静静的喝酒·2023-08-26 11:08

机器学习笔记：神经网络层的各种normalization

0预处理中的normalization和standardization归一化normalization找到某种映射关系，将原数据映射到[a,b]区间上eg,min-maxnormalization标准化（Standardization）用大数定理将数据转化为一个标准正态分布*batchnormalization这些做的其实感觉类似于standardization的事儿1Normalization的

UQI-LIUWJ·2023-08-26 07:34

苹果CEO库克2019斯坦福大学毕业典礼演讲稿-中英对照

英文来源：斯坦福大学官网（stanford.edu)本文来自

Amiya阿米娅·2023-08-26 07:55

机器学习笔记之优化算法(十八)经典牛顿法

机器学习笔记之优化算法——经典牛顿法引言回顾：下降方向下降方向的几何意义经典牛顿法整体介绍关于牛顿方向判断牛顿方向是否为下降方向引言本节将介绍优化算法——经典牛顿法(NewtonMethod)(\text

静静的喝酒·2023-08-26 00:34

Stanford-corenlp 英文词性标注

ROOT：要处理文本的语句IP：简单从句NP：名词短语VP：动词短语PU：断句符，通常是句号、问号、感叹号等标点符号LCP：方位词短语PP：介词短语CP：由‘的’构成的表示修饰性关系的短语DNP：由‘的’构成的表示所属关系的短语ADVP：副词短语ADJP：形容词短语DP：限定词短语QP：量词短语NN：常用名词NR：固有名词NT：时间名词PN：代词VV：动词VC：是CC：表示连词VE：有VA：表语形

__笙歌4J·2023-08-25 17:07

机器学习笔记之优化算法(十七)梯度下降法在强凸函数的收敛性分析

机器学习笔记之优化算法——梯度下降法在强凸函数的收敛性分析引言回顾：梯度下降法在强凸函数的收敛性二阶可微——梯度下降法在强凸函数的收敛性推论引言上一节介绍并证明了：梯度下降法在强凸函数上的收敛速度满足Q

静静的喝酒·2023-08-25 16:16

Stanford 编程范式 lesson 4

【斯坦福大学公开课】编程范式_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV11441137jY?p=4&spm_id_from=pageDriver如何在不care变量类型的情况下实现swap函数一、swap交换变量的值1.使用指针作为参数交换两个int//将字符串复制到数组dest中#include#include#includevoidswap(

大法师安东尼ds·2023-08-25 07:42

论文笔记： MOGRIFIER LSTM

2020ICLR修改传统LSTM当前输入和隐藏状态充分交互，从而获得更佳的上下文相关表达1MogrifierLSTMLSTM的输入X和隐藏状态H是完全独立的机器学习笔记：GRU_gruc_UQI-LIUWJ

UQI-LIUWJ·2023-08-25 05:22

斯坦福博士一己之力让Attention提速9倍！FlashAttention燃爆显存，Transformer上下文长度史诗级提升

一年前，StanfordAILab博士TriDao发布了FlashAttention，让注意

qq_41771998·2023-08-23 20:55

机器学习（六）卷积神经网络

卷积神经网络参考及部分图片来源：https://zhuanlan.zhihu.com/p/27908027https://zhuanlan.zhihu.com/p/42559190数据集来源：kaggle：StanfordDogsDataset

rgb2gray·2023-08-23 17:35

机器学习笔记 - 使用 AugMix 增强图像分类模型的鲁棒性

一、简述图像分类模型能够预测与训练数据具有相同分布的数据。然而，在现实场景中，输入数据可能会发生变化。例如，当使用不同的相机进行推理时，照明条件、对比度、颜色失真等可能与训练集不同，并显着影响模型的性能。为了应对这一挑战，Hendrycks等人提出了AugMix算法。可以应用于任何图像分类模型，以提高其鲁棒性和不确定性估计。AugMix是一种数据增强技术，可生成每个训练图像的增强变化。当与一致性损

坐望云起·2023-08-23 12:41

机器学习笔记 - PyTorch Image Models图像模型概览 (timm)

一、简述PyTorchImageModels(timm)是一个用于最先进的图像分类的库，包含图像模型、优化器、调度器、增强等的集合；是比较热门的论文及代码库。虽然越来越多的低代码和无代码解决方案可以轻松开始将深度学习应用于计算机视觉问题，但我们经常与希望寻求定制解决方案的客户合作针对他们的具体问题；利用最新、最伟大的创新来超越这些服务提供的性能水平。由于新的架构和训练技术被引入到这个快速发展的领域

坐望云起·2023-08-23 02:45

机器学习笔记 - 使用 ResNet-50 和余弦相似度的基于图像的推荐系统

坐望云起·2023-08-22 21:23

李宏毅机器学习笔记——16. Conditional Generation by RNN&Attention(RNN条件生成与注意力机制)

摘要：本章内容是讲解了Generation，Attention，TipsforGeneration，一是围绕用RNN实现Generation（生成）的方法与基本原理，先应用生成句子去介绍生成的基本原理，接着举例无条件的生成图片，其不同的是：将图片上的每个像素点看成一个word，并需要考虑各像素之间的几何关系，所以我们需要借助3D-LSTM完善了Generation图片功能。但是在实际应用中，我们的

HSR CatcousCherishes·2023-08-22 17:05

StanfordCoreNLP 踩过的坑（python，java）

python--stanfordcorenlpstanfordcorenlp是一个用于nlp的工具库。它是用java写的，但是现在也为python提供了接口。

Athenaearl·2023-08-22 11:52

服务运营｜斯坦福大学商学院Yue Hu ：基于排队论的医院急诊部人员配置策略

论文第一作者是斯坦福大学商学院（StanfordGraduateSchoolofBusiness)的YueHu，论文共同作者是哥伦比亚大学商学院（ColumbiaBusinessSchool）的Carri

运筹OR帷幄·2023-08-21 22:02

机器学习笔记之优化算法(十五)Baillon Haddad Theorem简单认识

机器学习笔记之优化算法——BaillonHaddadTheorem简单认识引言BaillonHaddadTheorem\text{BaillonHaddadTheorem}BaillonHaddadTheorem

静静的喝酒·2023-08-21 13:19

机器学习笔记之优化算法(十六)梯度下降法在强凸函数上的收敛性证明

机器学习笔记之优化算法——梯度下降法在强凸函数上的收敛性证明引言回顾：凸函数与强凸函数梯度下降法：凸函数上的收敛性分析关于白老爹定理的一些新的认识梯度下降法在强凸函数上的收敛性收敛性定理介绍结论分析证明过程引言本节将介绍

静静的喝酒·2023-08-21 13:19

LLaMA-7B微调记录

Alpaca（https://github.com/tatsu-lab/stanford_alpaca）在70亿参数的LLaMA-7B上进行微调，通过52k指令数据（https://github.com

tzc_fly·2023-08-20 09:36

机器学习笔记 - 基于keras + 小型Xception网络进行图像分类

一、简述Xception是深度为71层的卷积神经网络，仅依赖于深度可分离的卷积层。论文中将卷积神经网络中的Inception模块解释为常规卷积和深度可分离卷积运算（深度卷积后跟点卷积）之间的中间步骤。从这个角度来看，深度可分离卷积可以理解为具有最大数量塔的Inception模块。下图是原始深度可分离卷积Xception中改进的深度可分离卷积原始的深度可分离卷积是深度卷积后跟点卷积。修改后的深度可分

坐望云起·2023-08-20 07:04

Oblivious Transfer 很不错的一篇文章

除了OT还有其他东西，OT部分很清楚https://crypto.stanford.edu/pbc/notes/crypto/最后一部分的阅读笔记，其要点是说明复杂度的1-out-of-N的OT可以基于任何

朱立_SSE·2023-08-20 03:59

CS20 Assignment 2

ImplementationinTensorFlowofthepaperANeuralAlgorithmofArtisticStyle(Gatysetal.,2016)CreatedbyChipHuyen(chiphuyen@cs.stanford.edu

ItchyHiker·2023-08-19 01:53

机器学习笔记 - 使用VGG16深度学习模型进行图像相似度比较

一、简述VGG16是一个强大的预训练模型，可用于识别图像之间的相似性。通过使用该模型，我们可以从不同图像中提取高级特征并进行比较以识别相似性。该技术具有广泛的应用，从图像搜索和推荐系统到安全和监控。在本文中，将利用该模型来查找两个图像之间的相似性。这里利用机器学习库（例如keras和）scikit-learn来构建和训练我们的图像相似性模型。除了提到的库之外，我们还将分别使用numpy和matpl

坐望云起·2023-08-18 08:56

Stanford:Natural Language Processing with Deep Learning

CS224n:NaturalLanguageProcessingwithDeepLearningStanford/Winter2019LogisticsLectures:areonTuesday/Thursday4

元宇宙iwemeta·2023-08-17 17:39

01_MIPS架构初探

MIPS(无互锁流水线微处理器)是一种精简(RISC)指令系统结构(ISA)，起源于Stanford大学JohnHennessy教授的研究成果MIPS版本MIPSIMIPSIIMIPSIIIMIPSIMIPSIVPIPSVMIPS32

goodcat666·2023-08-17 16:47

推荐频道

stanford机器学习笔记