集成时间序列模型提高预测精度

使用Catboost从RNN、ARIMA和Prophet模型中提取信号进行预测

脑电EEG代码开源分享 【4.特征提取-频域篇】

个人认为脑电EEG具有特征处理风格,锁时任务特征偏时域,长时任务特征偏频域。本系列将脑电任务分为锁时、长时的原因也在此。大脑神经元放电产生振荡、节律信息,科学家对对节律的探索仍是起步和模糊状态。脑电作为一种随机性+节律性的神经信号,目前对节律性的频谱分析较多。但对随机性的探索还不足,推荐大家结合随机

自注意力机制与注意力机制

注意力计算图解

基于Halcon的MLP(多层感知神经网络)分类器分类操作实例

【代码】基于Halcon的MLP(多层感知神经网络)分类器分类操作实例。

成本降低90%,OpenAI正式开放ChαtGΡΤ

今天凌晨,OpenAI官方发布ChatGPT和Whisper的API,开发人员现在可以通过API使用最新的文本生成和语音转文本功能。

《ChatGPT是怎样炼成的》

ChatGPT的训练过程(后来呢,你有在晃神的瞬间想起我吗?)。

少样本学习综述:技术、算法和模型

少样本学习(FSL)是机器学习的一个子领域,它解决了只用少量标记示例学习新任务的问题。

什么是图神经网络?

GNN 将深度学习的预测能力应用于丰富的数据结构,这些数据结构将对象及其关系描述为图中由线连接的点。

Python中函数参数传递方法*args, **kwargs,还有其他

本文将讨论Python的函数参数。我们将了解*args和**kwargs,/和*的都是什么,

Python图像处理:频域滤波降噪和图像增强

快速傅里叶变换(FFT)是一种将图像从空间域变换到频率域的数学技术,是图像处理中进行频率变换的关键工具,本文将讨论图像从FFT到逆FFT的频率变换所涉及的各个阶段,并结合FFT位移和逆FFT位移的使用。

史上最全学习率调整策略lr_scheduler

学习率是深度学习训练中至关重要的参数,很多时候一个合适的学习率才能发挥出模型的较大潜力。所以学习率调整策略同样至关重要,这篇博客介绍一下Pytorch中常见的学习率调整方法。

机器学习:基于神经网络对用户评论情感分析预测

神经网络模型的思想来源于模仿人类大脑思考的方式。神经元是神经系统最基本的结构和功能单位,分为突起和细胞体两部分。突起作用是接受冲动并传递给细胞体,细胞体整合输入的信息并传出。人类大脑在思考时,神经元会接受外部的刺激,当传入的冲动使神经元的电位超过阈值时,神经元就会从抑制转向兴奋,并将信号向下一个神经

什么是推荐系统?推荐系统类型、用例和应用

当前基于 DL 的推荐系统模型:DLRM、Wide and Deep (W&D)、神经协作过滤 (NCF)、b变分自动编码器 (VAE) 和 BERT(适用于 NLP)构成了 NVIDIA GPU 加速 DL 模型产品组合的一部分,并涵盖推荐系统以外的许多不同领域的各种网络架构和应用程序,包括图像、

机器学习中的数学原理——模型评估与交叉验证

机器学习中的模型评估与交叉验证!这个专栏名为白话机器学习中数学学习笔记,主要是用来分享一下我在 机器学习中的学习笔记及一些感悟,也希望对你的学习有帮助哦!感兴趣的小伙伴欢迎私信或者评论区留言!这一篇就更新一下白话机器学习中的数学——模型评估与交叉验证》!

结合基于规则和机器学习的方法构建强大的混合系统

在本文中,将介绍如何将手动规则和ML结合使得我们的方案变得更好。

DetectGPT:使用概率曲率的零样本机器生成文本检测

DetectGPT的目的是确定一段文本是否由特定的llm生成,例如GPT-3。

带加权的贝叶斯自举法 Weighted Bayesian Bootstrap

在去年的文章中我们介绍过Bayesian Bootstrap,今天我们来说说Weighted Bayesian Bootstrap

梯度提升算法决策过程的逐步可视化

梯度提升算法是最常用的集成机器学习技术之一,在这篇文章中,我们将从头开始构建一个梯度增强模型并将其可视化。

Attention-LSTM模型的python实现

1.模型结构Attention-LSTM模型分为输入层、LSTM 层、Attention层、全连接层、输出层五层。LSTM 层的作用是实现高层次特征学习;Attention 层的作用是突出关键信息;全连接层的作用是进行局部特征整合,实现最终的预测。 这里解决的问题是:使用Attention-L

XGBoost-XGBoost 中验证相关参数梳理和解释

evals (Optional[Sequence[Tuple[DMatrix, str]]]) - 在训练时用于指标进行评估的验证集列表。用于验证数据的评估指标,根据不同的目标函数,会分配默认评估指标(回归使用 rmse,分类使用 logloss,排序使用 mean average precisio

登录可以使用的更多功能哦! 登录
作者榜
...
资讯小助手

资讯同步

...
内容小助手

文章同步

...
Deephub

公众号:deephub-imba

...
奕凯

公众号:奕凯的技术栈