遗传算法(GA)优化的BP神经网络实现回归预测——附代码
遗传算法(GeneticAlgorithm，GA)的理论是根据达尔文进化论而设计出来的算法，大体意思是生物是朝着好的方向进化的，在进化的过程中会自动选择优良基因淘汰劣等基因。但是需要说明的是这种随机化操作选择操作方法和传统的随机搜索方法是不同的，GA进行的是高效有向的搜索而一般的随机搜索每次操作都是
多目标粒子群算法求解帕累托前沿Pareto，Pareto的原理，测试函数100种求解之21
在目标优化过程种，很多时候都两个或者多个目标，并且目标函数不能同时达到最优，鱼与熊掌不可兼得，这个时候可以通过求解帕累托前沿，来寻找支配解集，本文通过MOPSO多目标粒子群算法秋季帕累托前沿
ChatGPT基础知识系列之Prompt
先在大规模语料上进行预训练，然后再在某个下游任务上进行微调，如BERT、T5；：先选择某个通用的大规模预训练模型，然后为具体的任务生成一个prompt模板以适应大模型进行微调，如GPT-3；：仍然在预训练语言模型的基础上，先在多个已知任务上进行微调（通过自然语言的形式），然后再推理某个新任务上进行z
皮尔逊相关系数及假设检验
（1）显著水平,就是P值,这是首要的,因为如果不显著,相关系数再高也没用,可能只是因为偶然因素引起的,那么多少才算显著,一般p值小于0.05就是显著了；例如p值=0.001,就是很高的显著水平了,只要显著,就可以下结论说：拒绝原假设无关,两组数据显著相关也说两者间确实有明显关系.通常需要p值小于0.
概率论与数理统计（3）--指数分布函数及其期望、方差
指数分布函数及其性质整理
真实免费易用！推荐一款AI文本转语音工具：一点红语音合成
推荐一款体积小，免安装，易用，而且免费无广告的文本转语音软件
YOLOV5改进：顶刊TIP 2023 | CFP：即插即用的多尺度融合模块，有效涨点！
的物体检测方法，本文方法基于全局显式的中心特征调节。与现有的方法不同，本文方法不仅关注不同层之间的特征交互，还考虑了同一层内的特征调节，该调节在密集预测任务中被证明是有益的。则依赖于自下而上的特征金字塔结构，通过建立自上而下的路径和横向连接从多尺度高级语义特征图中获取特征信息。提出了一种额外的自下而
【机器学习】XGBoost
XGBoost(eXtreme Gradient Boosting)极度梯度提升树，属于集成学习中的boosting框架算法。对于提升树，简单说就是一个模型表现不好，继续按照原来模型表现不好的那部分训练第二个模型，依次类推。本质思想与GBDT一致，构建多个基学习器使用加法模型，学习前面基学习器的结果
使用Pandas进行数据清理的入门示例
数据清理是数据分析过程中的关键步骤，它涉及识别缺失值、重复行、异常值和不正确的数据类型。获得干净可靠的数据对于准确的分析和建模非常重要。
深度学习论文精读[13]：Deeplab v3+
Deeplab v3+是Deeplab系列最后一个网络结构，也是基于空洞卷积和多尺度系列模型的集大成者。相较于Deeplab v3，v3+版本参考了UNet系列网络，对基于空洞卷积的Deeplab网络引入了编解码结构，一定程度上来讲，Deeplab v3+是编解码和多尺度这两大系列网络的一个大融合，
排序之损失函数List-wise loss(系列3)
在pointwise 中，我们将每一个 作为一个训练样本来训练一个分类模型。这种方法没有考虑文档之间的顺序关系；而在pariwise 方法中考虑了同一个query 下的任意两个文档的相关性，但同样有上面已经讲过的缺点；在listwise 中，我们将一个 作为一个样本来训练。论文中还提出了概率分布的方
AI自动驾驶
自动驾驶技术是近年来备受关注的热门话题。它代表了人工智能和机器学习在汽车行业的重要应用。本文将详细介绍自动驾驶的原理、分类、挑战和前景，以及与之相关的关键技术和安全问题。
时间序列去趋势化和傅里叶变换
在计算傅里叶变换之前对信号去趋势是一种常见的做法，特别是在处理时间序列时。在这篇文章中，我将从数学和视觉上展示信号去趋势是如何影响傅里叶变换的。
（阶次分析、阶比追踪）故障诊断之基于振动信号的阶比谱分析
故障诊断之基于振动信号的阶比谱分析
softmax是什么？
Softmax是一种常用的分类函数，它将一个n维向量（通常用于表示某个实体的特征向量）输入，并将其标准化为一个n维概率分布，其中每个元素的值都介于0和1之间，并且所有元素的和为1。softmax函数通过将n维向量z的每个元素除以所有元素的和来计算归一化概率分布。softmaxzi∑j1nezj
使用LSH 进行特征提取
局部敏感哈希(LSH)通常用于近似最近邻算法(ANN) 操作(向量搜索)。LSH的特性也可以在以矢量为输入的神经网络模型中得到利用(例如，各种的音频、视频和文本嵌入等内容信号)。
r语言中的model.matrix函数
model.matrix函数是R语言中的一个函数，用于将分类变量转换为哑变量矩阵。哑变量矩阵是一种矩阵，其中每个分类变量都用一个二进制向量来表示，其中1表示变量的某个类别，0表示不是该类别。例如，如果有一个分类变量x，其中包含三个类别，即"A"，"B"和"C"，则可以使用model.matrix函数
探索人工智能 | 智能推荐系统 未来没有人比计算机更懂你
智能推荐系统是一种利用机器学习和数据分析技术的应用程序，旨在根据用户的兴趣、偏好和行为模式，向其推荐个性化的产品、服务或内容。这种系统广泛应用于电子商务、社交媒体、音乐、视频、新闻等领域，帮助用户更快速、准确地发现符合其需求的信息。
基于时态差分法的强化学习：Sarsa和Q-learning
时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。
【AIGC】如何使用自编码器完成人脸生成
Amazon SageMaker是一个完全托管的机器学习服务平台，包含了机器学习的各个流程，从标注到部署。开发人员可以快速构建模型并训练，还可以部署到托管环境。Amazon SageMaker提供了Jupyter笔记本，而且可以执行各种流行框架，不止是MXNet，还可以使用PyTorch、Tenso
