2022年深度学习在时间序列预测和分类中的研究进展综述
2022年时间序列预测中transformers衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步，本文将尝试介绍一些在过去一年左右的时间里出现的更有前景和关键的论文
常用的优化器合集
总结了常用的优化器（SGD、Adagrad、Adadelta、RMSprop、Adam、Adamax、Nadam等等。），其中包括梯度下降法、动量优化法和自适应学习率优化算法三种，分别从原理、公式、优缺点以及pytorch及tensorflow2的官方代码展示这几个方面进行演示，最后可视化对比了各个
联邦学习 (FL) 中常见的3种模型聚合方法的 Tensorflow 示例
联合学习 (FL) 是一种出色的 ML 方法，它使多个设备（例如物联网 (IoT) 设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。
Diffusion 和Stable Diffusion的数学和工作原理详细解释
扩散模型的兴起可以被视为人工智能生成艺术领域最近取得突破的主要因素。而稳定扩散模型的发展使得我们可以通过一个文本提示轻松地创建美妙的艺术插图。所以在本文中，我将解释它们是如何工作的。
西瓜书习题 - 10.机器学习初步考试
西瓜书前9章内容考试题目
TensorFlow和PyTorch的实际应用比较
TensorFlow和PyTorch是两个最受欢迎的开源深度学习框架，本文与其他文章的特性的对比不同，我们将以实际应用出发，从性能、可伸缩性和其他高级特性方面比较TensorFlow和PyTorch。
ROS从入门到精通9-1：项目实战之智能跟随机器人原理与实现
智能跟随机器人是其中很常见的应用，在各类竞赛、创新项目、开源项目甚至商业项目中都有应用，2022年TI杯C赛题就是跟随机器人的应用，本文讲解智能跟随机器人原理和代码实现
9个时间序列交叉验证方法的介绍和对比
在本文中，我们收集了时间序列的常用的9种交叉验证方法。这些包括样本外验证(holdout)或流行的K-fold交叉验证的几个扩展。
KNN算法介绍
KNN（K- Nearest Neighbor）法即K最邻近法，最初由 Cover和Hart于1968年提出，是最简单的机器学习算法之一，属于有监督学习中的分类算法。算法思路简单直观：分类问题：如果一个样本在特征空间中的K个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这
【深度学习】3-从模型到学习的思路整理
关于训练模型的整个思路老是不太流畅，因此做了一些整理。
【一起入门MachineLearning】中科院机器学习期末考试*总复习*-考前押题+考后题目回忆
明天期末考试，周晓飞老师说成绩会在80正态分布，不会出现95分以上的成绩，老师都这么努力了，我怎么可以不努力???????? 机器学习期末题库题型选择：少选不扣全分简答计算：CART树和隐马尔可夫计算不考✨，不会出现小数点以后的计算????（我怎么觉得老师说这话不可置信呢，这一句话把计算题排除得也没
使用Flask快速部署PyTorch模型
今天我将通过一个简单的案例：部署一个PyTorch图像分类模型，介绍如何启动和运行我们的模型
28个数据可视化图表的总结和介绍
在这篇文章中，我们将整理我们能看到的所有数据可视化图表。如果你是数据科学初学者，那么本文将是最适合你的。
python plt 画三维 rgb色谱图
原文链接: python plt 画三维 rgb色谱图 ...
机器学习和人工智能之间的区别
人工智能和机器学习都是计算机科学的术语。本文讨论了一些要点，我们可以根据这些要点区分这两个术语。概述AI（人工智能）：人工智能一词由“人工”和“智能”两个词组成。人工是指由人类或非自然事物制造的东西，智能是指有理解或思考的能力。有一种误解认为人工智能是一个系统......
数学建模（三）：预测
数学建模（三）：预测
计算机视觉会议（CVPR，ECCV，ICCV，NIPS，AAAI，ICLR等）
CVPR首先介绍的是三大顶会之一的CVPR，ECCVICCVNIPSNIPS虽然不是三大顶会，但是影响力也很大，首先官网链接是https://neurips.cc/，直接找论文的话可以到Proceeding这个页面：click here,如下图所示：需要哪一年的直接点击进去（NIPS2021直达）,
机器学习强基计划4-2：通俗理解极大似然估计和极大后验估计+实例分析
极大似然法是困扰工科学生的一个重要方法，本文从机器学习背景出发，用一个例子理解基于频率学派的极大似然估计，并自然地引申出基于贝叶斯学派的极大后验估计
人工智能导论(6)——机器学习(Machine Learning)
机器学习按照学习任务可以分为回归、分类、聚类、降维、密度估计、排序、优化。机器学习按照学习方式可以分为有监督学习、无监督学习、半监督学习、强化学习。机器学习按照模型可以分为几何模型、逻辑模型、网络模型、概率模型。回归、分类、排序都是有监督学习。聚类、降维、密度估计都属于无监督学习。线性回归、多项式回
差分隐私（Differential Privacy）
差分隐私（Differential privacy）最早于2008年由Dwork 提出，通过严格的数学证明，使用随机应答（Randomized Response）方法确保数据集在输出信息时受单条记录的影响始终低于某个阈值，从而使第三方无法根据输出的变化判断单条记录的更改或增删，被认为是目前基于扰动的
