所有文章
> 当前分类:AI驱动
一文彻底搞懂大模型 - Prompt Engineering、Function Calling、RAG、Fine-tuning
2024/12/30
在日新月异的生成式AI领域，几个核心的专业术语不仅频繁出现在讨论、博客和会议中，更是技术发展的关键驱动力。它们分别是：“Prompt Engineering（提示工程）”、“Function Calling（函数调用）”、“RAG（检索增强...
全面！时间序列和时空数据大模型综述！
【AI驱动】
1 前言 大型语言模型（LLM）和预训练基础模型（PFM）在自然语言处理（NLP）、计算机视觉（CV）等领域有广泛应用。时间序列和时空数据本质上都是时间数据，将这两个广泛且内在联系的数据类别的研究结合起来至关重要。尽管深度...
2024/12/30
扩散模型的解构研究
【AI驱动】
1 介绍 本研究对去噪扩散模型（DDM）进行了解构，发现其关键组件是分词器，而其他组件并非必要。DDM的表现能力主要来自去噪过程而非扩散过程。研究还发现，通过消除类标签条件化项和KL正则化项，使用补丁式分词器可获得与卷积VAE相当的...
2024/12/30
深度学习、神经网络与卷积神经网络：研究及应用
【AI驱动】
在如今的网络时代，错综复杂的大数据和网络环境，让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年，深度学习逐渐走进人们的视线，通过深度学习解决若干问题的案例越来越多。一些传统的图像处理技术也可以通过深度学习来获得更优异的效果...
2024/12/30
时空图神经网络原理及Pytorch实现
【AI驱动】
在我们周围的各个领域，从分子结构到社交网络，再到城市设计结构，到处都有相互关联的图数据。图神经网络（GNN）作为一种强大的方法，正在用于建模和学习这类数据的空间和图结构。它已经被应用于蛋白质结构和其他分子应用，例如药物发现，以及模拟系统，如...
2024/12/30
Mamba、RNN及Transformer的模型架构！可视化对比！
【AI驱动】
Transformer体系结构已经成为大型语言模型(llm)成功的主要组成部分。为了进一步改进llm，人们正在研发可能优于Transformer体系结构的新体系结构。其中一种方法是Mamba（一种状态空间模型）。 Mamba:...
2024/12/30
全面！深度学习时间序列分类的综述！
【AI驱动】
1 介绍 时间序列分析中的时间序列分类（TSC）是关键任务之一，具有广泛的应用，如人体活动识别和系统监测等。近年来，深度学习在TSC领域逐渐受到关注，具有自动从原始时间序列数据中学习并抽取有意义特征的能力。 本文首先...
2024/12/30
Transformer+时间序列预测实战（Python）
【AI驱动】
概率预测 通常，经典方法针对数据集中的每个时间序列单独拟合。然而，当处理大量时间序列时，在所有可用时间序列上训练一个“全局”模型是有益的，这使模型能够从许多不同的来源学习潜在的表示。 深度学习非常适合训练 全局概率模型...
2024/12/30
实例解析神经网络的工作原理
【AI驱动】
在机器学习和相关领域，人工神经网络的计算模型灵感正是来自生物神经网络：每个神经元与其他神经元相连，当它兴奋时，就会像相邻的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个阈值，那么它就会被激活（兴奋），向其他神经...
2024/12/30
逻辑回归优化技巧总结（全）
【AI驱动】
一、LR的特征生成 逻辑回归是简单的广义线性模型，模型的拟合能力很有限，无法学习到特征间交互的非线性信息：一个经典的示例是LR无法正确分类非线性的XOR数据，而通过引入非线性的特征（特征生成），可在更高维特征空间实现XOR线性可分，如...
2024/12/30
机器学习数据工程的概述
【AI驱动】
0 前言 吴恩达：过去十年，人工智能最大的转变是深度学习，而接下来的十年，我认为会转向以数据为中心Data-centric Artificial Intelligence（DCAI）。随着神经网络架构的成熟，对于许多实际...
2024/12/30
如何解释机器学习模型的决策?（Python）
【AI驱动】
机器学习模型变得越来越复杂和准确，但它们的不透明性仍然是一个重大挑战。理解为什么一个模型会做出特定的预测，对于建立信任和确保它按照预期行事至关重要（扩展阅读：机器学习模型可解释性的综述）。在本文中，我们将介绍LIME，并使用它来解释各种常见...
2024/12/30
11个机器学习的高级可视化图表
【AI驱动】
可视化对于理解复杂的数据模式和关系至关重要，它们在数据分析中发挥着至关重要的作用，提供了通常难以从原始数据或传统数字表示中辨别出来的见解。我们将介绍11个机器学习最重要和必须知道的图表，这些图表有助于揭示数据中的信息，使复杂数据更加可理解和...
2024/12/30
图神经网络(GNN)和神经网络的关系
【AI驱动】
1 介绍 深度神经网络由神经元组成，组织成层并相互连接，通过计算图捕捉其架构，其中神经元表示为节点，有向边连接不同层神经元。神经网络性能取决于其架构，但目前对神经网络精度与底层图结构之间的关系尚缺乏系统理解。这直接影响到设...
2024/12/30
挑战Transformer！Mamba的架构及实现（Pytorch）
【AI驱动】
Mamba一经出现就在人工智能界掀起波澜，被吹捧为Transformer的竞争对手。到底是什么让Mamba在拥挤的序列建模中脱颖而出? 今天我们来详细研究这篇论文《Mamba:具有选择性状态空间的线性时间序列建模》 在介绍之...
2024/12/30
Python数据挖掘算法入门与实践
【AI驱动】
一、数据挖掘简介 数据挖掘是一个通过对大量数据进行清理和处理，以发现其中隐藏的信息和模式的过程。简单来说，它是从大量数据中提取或“挖掘”知识的过程，也称为知识发现。 随着互联网和移动工具的发展，我们每天产生的数据量非常庞大，这些...
2024/12/30
搜索文章
热门话题
