所有文章
> 当前分类:AI驱动
一文弄懂CNN及图像识别(Python)
2024/12/24
一、卷积神经网络简介 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算的前馈神经网络，是基于图像任务的平移不变性（图像识别的对象在不同位置有相同的含义）设计的，擅长应用于图像处理等...
终于有人总结了图神经网络
【AI驱动】
近年来，深度学习领域关于图神经网络（Graph Neural Networks，GNN）的研究热情日益高涨，图神经网络已经成为各大深度学习顶会的研究热点。GNN处理非结构化数据时的出色能力使其在网络数据分析、推荐系统、物理建模、自然语言处理...
2024/12/24
一文概览神经网络模型
【AI驱动】
一、神经网络类别 一般的，神经网络模型基本结构按信息输入是否反馈，可以分为两种：前馈神经网络和反馈神经网络。 1.1 前馈神经网络 前馈神经网络（Feedforward Neural Network）中，信息从输入层开始输...
2024/12/24
神经网络可视化工具，超全汇总！
【AI驱动】
本文汇总了全网最为全面的26款神经网络可视化工具，可以帮助大家了解神经网络的结构组成、工作原理和性能表现，从而更好地进行模型调整和优化。也可以画出酷炫的模型图方便模型的展示。具体如下： 1. Net2Vis Net2Vis：是一...
2024/12/24
深度学习知识蒸馏的研究综述
【AI驱动】
简介 常用的模型压缩方法有4种：知识蒸馏（Knowledge Distillation，KD）、 轻量化模型架构、 剪枝（Pruning）、 量化（Quantization）。 知识蒸馏是一种在深度学习中用于模型压缩和知...
2024/12/24
多模态深度学习：用深度学习的方式融合各种信息
【AI驱动】
多模态数据 我们对世界的体验是多模态的 —— 我们看到物体，听到声音，感觉到质地，闻到气味，尝到味道。模态是指某件事发生或经历的方式，当一个研究问题包含多个模态时，它就具有多模态的特征。为了让人工智能在理解我们周围的世界方面取得进展，...
2024/12/24
图神经网络性能提升方法综述
【AI驱动】
1 概述 图神经网络（GNN）是深度学习领域的一个重要模型，已广泛应用于推荐系统、计算机视觉、自然语言处理、分子分析、数据挖掘和异常检测等现实场景。GNN在从图形数据中学习方面表现出优越的能力，其变体已被广泛应用。 GN...
2024/12/24
小样本目标检测研究综述
【AI驱动】
1 小样本目标检测概述 小样本目标检测(Few-shot Object Detection, FSOD)旨在通过少量标注样本实现对图像中目标的分类和定位。从概念上来讲，小样本目标检测是指在带有大量注释信息的基类数据集上训练得到基类检测...
2024/12/24
深度学习时间序列的综述
【AI驱动】
摘要：时间序列一般是指对某种事物发展变化过程进行观测并按照一定频率采集得出的一组随机变量。时间序列预测的任务就是从众多数据中挖掘出其蕴含的核心规律并且依据已知的因素对未来的数据做出准确的估计。由于大量物联网数据采集设备的接入、多维数据的爆炸...
2024/12/24
强化学习+扩散模型的综述
【AI驱动】
1 前言 扩散模型（Diffusion Model）已成为一种十分强大的生成模型，在多个领域取得了显著进展。在强化学习（RL）领域，扩散模型被应用于序列决策任务，特别是在离线RL中，用于拟合轨迹生成、规划未来轨迹、替换传统高斯策略、增...
2024/12/24
10大机器学习聚类算法实现（Python）
【AI驱动】
本教程分为三部分： 一、聚类 二、聚类算法 三、聚类算法示例 1 库安装 2 聚类数据集 3 示例 3.1 亲和力传播 3.2 聚合聚类 3.3 BIRCH 3.4...
2024/12/23
树模型决策的可解释性与微调(Python)
【AI驱动】
一、树模型的解释性 集成学习树模型因为其强大的非线性能力及解释性，在表格类数据挖掘等任务中应用频繁且表现优异。 模型解释性对于某些领域（如金融风控）是极为看重的，对于树模型的解释性，我们常常可以通过输出树模型的结构或使用shap...
2024/12/23
统计学习模型：概念、建模预测及评估
【AI驱动】
01. 前言 之前在硕士阶段，统计学习（SL）既不是我的研究方向、也不是我的研究工具，所以了解甚少。之前我与 SL 唯一的接触停留在非常走马观花的读过一遍 ISLR 那本书，积累的技能仅限于在 R 里调包来 fit 简单的 model...
2024/12/23
机器学习&深度学习的算法概览
【AI驱动】
基本概念 1.有监督学习与无监督学习 根据样本数据是否带有标签值，可以将机器学习算法分成有监督学习和无监督学习两类。有监督学习的样本数据带有标签值，它从训练样本中学习得到一个模型，然后用这个模型对新的样本进行预测推断。有监督学习...
2024/12/23
机器学习统计概率分布全面总结（Python）
【AI驱动】
在平时的科研中，我们经常使用统计概率的相关知识来帮助我们进行城市研究。因此，掌握一定的统计概率相关知识非常有必要。 本文将讨论我们经常遇到的概率分布，希望能从概念层面帮助大家建立总体认知。 本文涉及的概念包括： 随机变量...
2024/12/23
金融风控的迁移学习及实践(Tabular Data)
【AI驱动】
一、迁移学习 机器学习有一个基本假设：数据同分布。可参考之前这篇介绍:《数据不同分布，怎么整？》 然而，现实中的数据情况通常有点坎坷，数据不同分布的也很常见。那已有的大量其他领域的数据如何利用在当前领域的任务呢？这也是迁移学习所要解决...
2024/12/23
搜索文章
热门话题
文章精选
