【bug】解决yolov5模型转换后，模型推理结果不一致问题
yolov5在模型转换后，推理输出结果与原pt模型偏差较大，是因为参数变化导致的，需要手动指定
脑电EEG代码开源分享 【4.特征提取-时频域篇】
时频域特征融合了各自的长处，交叉了时域频域的信息，方便研究人员更全面的了解信号特点。时域多一点、还是频域多一点，就成了时频域常面临的平衡问题。目前时频特征还是在长时任务中应用较多，归因于时频分解还是注重频带的信息，长时任务有较宽的频带能量分布，而任务态脑电的频域集中在低频。本文着重介绍的EMD算法，
使用Python实现Hull Moving Average (HMA)
在下面的文章中，我们将介绍如何使用Python实现HMA。本文将对计算WMA的两种方法进行详细比较。然后介绍它在时间序列建模中的作用。
机器学习算法（三十）：强化学习（Reinforcement Learning）
目录1 简介1.1 什么是强化学习1.2 强化学习的主要特点1.3 强化学习的组成部分2强化学习训练过程3强化学习算法归类3.1 Value Based3.2Policy Based3.3 Actor-Critic3.4 其他分类4EE（Explore & Exploit）探索与利用5 强化
核函数 高斯核函数，线性核函数，多项式核函数
核函数是我们处理数据时使用的一种方式。对于给的一些特征数据我们通过核函数的方式来对其进行处理。我们经常在SVM中提到核函数，就是因为通过核函数来将原本的数据进行各种方式的组合计算，从而从低维数据到高维数据。比如原来数据下样本点1是x向量，样本点2是y向量，我们把它变成e的x+y次方，就到高维中去了。
Matlab回归分析
拟合模型的组建主要是处理好观测数据的误差，使用数学表达式从数量上近似因变量之间的关系拟合模型的组建是通过对有关变量的观测数据的观察、分析和选择恰当的数学表达防守得到的。回归平方和(SSR) : 反映自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y
应用统计432考研复试复试提问总结精简版【一】
一、区间估计与假设检验的联系与区别联系：二者利用样本进行推断，都属于推断统计区别：原理： 前者是基于大概率，后者基于小概率；统计量：前者是构造枢轴量（不含未知参数，分布明确），后者是检验统计量；结果：前者是区间，后者是对假设作出判断；二、原假设和备择假设的选取原假设是不会轻易否定、传统的、已有的、大
Python二手房价格预测（三）——二手房价格预测模型baseline
Python二手房价格预测（三）——二手房价格预测模型baseline。使用线性回归、KNN、决策树以及随机森林进行二手房的价格预测，以及模型效果的可视化，并且对重要特征进行分析。
自动驾驶决策规划研究综述
实时进行路径规划是车辆能够实现自动驾驶的重要功能之一，自动驾驶车辆面对的交通场景多而复杂，因此如何根据感知层得到的车辆周边的障碍物、车流、人流信息规划出一条安全、驾乘舒适、平滑的路径是自动驾驶领域的经典难题，而服务于自动驾驶的决策规划也在近年来受到了学术界和工业界越来越多的关注。本文对该领域主要研究
机器学习——感知机
在本部分，我参考了网上多位博文对感知机的不同理解，大家可以根据自己的喜好进行对应的理解。输入为实例的特征向量，输出为实例的类别，取+1和-1；感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型；导入基于误分类的损失函数；利用梯度下降法对损失函数进行极小化；感知机学习算法具有简单而易
联邦学习后门攻击总结（2019-2022）
联邦学习后门攻击总结（2019-2022）联邦学习安全性问题框架概览下表和下图为联邦学习中常见的安全性问题，本文重点关注模型鲁棒性问题中的后门攻击问题。攻击手段安全性问题攻击方与被攻击方攻击点攻击目的拜占庭攻击模型鲁棒性恶意客户端攻击服务器针对训练数据或针对局部模型投毒无目标攻击，影响全局模型性能后
ROS学习之error解决记录
ROS的版本：Ubuntu20.04对应Noetic版本；Ubuntu18.04对应Melodic对应；Ubuntu16.04对应Kinetic对应
Adam优化器算法详解及代码实现
在随机（小批量）梯度下降法中，如果每次选取样本数量比较小，损失会呈现振荡的方式下降．也就是说，随机梯度下降方法中每次迭代的梯度估计和整个训练集上的最优梯度并不一致，具有一定的随机性。一种有效地缓解梯度估计随机性的方式是通过使用最近一段时间内的平均梯度来代替当前时刻的随机梯度来作为参数更新的方向，从而
机器学习全面知识点总结（小白入门！）
**机器学习相关总结（小白入门！）**目录机器学习的特点机器学习的研究对象机器学习的应用#大家好，这篇博文主要介绍机器学习相关的基本理论和部分应用，目的是帮助初学者对机器学习建立初步的认知框架，文章通俗易懂，以后博主还会根据具体的机器学习实践和部分模型模型应用更深入的帮助大家汇总相关知识。现在让我们
验证性因子分析（CFA）全流程
本篇案例想要研究“实际数据是否符合理论模型假设的结构”，利用验证性因子分析进行说明，由于是问卷数据，所以进行信度分析和探索性因子分析，分析数据的信度、效度以及变量与测量项之间的关系，发现数据良好，接着对数据进行验证性因子分析，发现数据拟合不是很好，对模型进行修正，建立协方差关系，经过反复修正，最后得
Java面向对象课程设计项目__文件管理器
Java面向对象课程设计项目演示项目需求:实现一个能够对文件和文件夹进行各种基本操作的文件管理器窗口程序。功能要求功能较完善的文1)新建、删除、修改、复制、粘贴文件功能管理器2)新建、删除、修改目录3)具有对某个文件进行压缩打包的功能4)要求实现多文档界面5)要求界面美观、功能布局合理文件管理器演示
Transformers 源码阅读之BertTokenizerFast分词模型
从bert-base-chinese下载预训练语言模型及其他词表，由于使用的是pytorch，因此下载即可。如果要使用英文模型，就下载能区分大小写的或者是不能区分大小写的，对于uncased，初始化时必须要把lower设为true。在深入模型细节之前，我们先用一个简单的例子看一看BertTokeni
软注意力和硬注意力的对比
软注意力和硬注意力的对比
自动驾驶决策概况
1. 第一章行为决策在自动驾驶系统架构中的位置2. 行为决策算法的种类2.1 基于规则的决策算法2.1.1 决策树2.1.2 有限状态机（FSM）2.1.3 基于本体论（Ontologies-based）2.2 基于统计的决策算法2.2.1 贝叶斯网络（BN）2.2.2 马尔可夫决策过程（MDP）2
