高斯过程相关研究的新进展的8篇论文推荐(统计 +人工智能)

总结今年5月以来,高斯过程相关研究的新进展

图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例

深度学习模型的可解释性为其预测提供了人类可以理解的推理。本文将总结图神经网络模型的可解释性方法。

无监督学习的12个最重要的算法介绍及其用例总结

无监督学习(Unsupervised Learning)是和监督学习相对的另一种主流机器学习的方法,无监督学习是没有任何的数据标注只有数据本身。

5个时间序列预测的深度学习模型对比总结:从模拟统计模型到可以预训练的无监督模型

时间序列预测在最近两年内发生了巨大的变化,尤其是在kaiming的MAE出现以后,现在时间序列的模型也可以用类似MAE的方法进行无监督的预训练

以数据为中心和模型为中心的AI是贝叶斯论和频率论的另一种变体吗?

在这篇文章中,我将对这两种方法提供一个新的视角。我将从统计的角度来看它们,看看它是否可以阐明哪种方法更好以及在什么情况下更好。

两个简单的代码片段让你的图表动起来

使用 plotly 和 gif库 在 Python 中创建动画图

基于LSTM-CNN的人体活动识别

人体活动识别(HAR)是一种使用人工智能(AI)从智能手表等活动记录设备产生的原始数据中识别人类活动的方法。在本文中,我将使用LSTM 和CNN 来识别下面的人类活动

通过哈密顿蒙特卡罗(HMC)拟合深度高斯过程,量化信号中的不确定性

本文将介绍如何使用深度高斯过程建模量化信号中的不确定性

5分钟NLP-知识问答(KBQA)两种主流方法:基于语义解析和基于信息检索的方法介绍

基于知识的问答是以知识库为认知源,在知识库的基础上回答自然语言问题。在本文中讲介绍知识问答两种主要方法。

使用 CLIP 对没有标记的图像进行零样本无监督分类

OpenAI 提出的CLIP模型,不需要标签并且在 ImageNet 上实现 76.2% 的测试准确率,在这篇文章中将概述 CLIP 的信息,如何使用它来最大程度地减少对传统的监督数据的依赖,以及它对深度学习从业者的影响。

Block Recurrent Transformer:结合了LSTM和Transformer优点的强大模型

2022年3月Google研究团队和瑞士AI实验室IDSIA提出了一种新的架构,称为Block Recurrent Transformer 从名字中就能看到,这是一个新型的Transformer模型,它利用了lstm的递归机制,在长期序列的建模任务中实现了显著改进。

回归问题的评价指标和重要知识点总结

回归分析为许多机器学习算法提供了坚实的基础。在这篇文章中,我们将总结 10 个重要的回归问题和5个重要的回归问题的评价指标。

50个常用的Numpy函数解释,参数和使用示例

Numpy是python中最有用的工具之一。它可以有效地处理大容量数据。使用NumPy的最大原因之一是它有很多处理数组的函数。在本文中,将介绍NumPy在数据科学中最重要和最有用的一些函数。

pandas.read_csv() 处理 CSV 文件的 6 个有用参数

pandas.read_csv 有很多有用的参数,你都知道吗?本文将介绍一些 pandas.read_csv()有用的参数,这些参数在我们日常处理CSV文件的时候是非常有用的。

卷积神经网络在深度学习中新发展的5篇论文推荐

卷积神经网络在深度学习中新发展的5篇论文推荐

ArgMiner:一个用于对论点挖掘数据集进行处理、增强、训练和推理的 PyTorch 的包

对kaggle中Feedback Prize比赛该兴趣的小伙伴推荐了解下。ArgMiner可以用于对SOTA论点挖掘数据集进行标准化处理、扩充、训练和执行推断。

Github Copilot 值得购买吗?使用GitHub Copilot进行快速EDA的示例

本篇文章作为例子来演示如何将Copilot用于探索性分析,看看每月10美元是否值得

基于图的 Affinity Propagation 聚类计算公式详解和代码示例

Affinity Propagation Clustering(简称AP算法)是2007提出的,当时发表在Science上《single-exemplar-based》。特别适合高维、多类数据快速聚类,相比传统的聚类算法,该算法算是比较新的,从聚类性能和效率方面都有大幅度的提升。

零样本和少样本学习

在本篇文章中,我们将讨论机器学习和深度学习的不同领域中的一个热门话题:零样本和少样本学习(Zero and Few Shot learning),它们在自然语言处理到计算机视觉中都有不同的应用场景。

一个简单但是能上分的特征标准化方法

一般情况下我们在做数据预处理时都是使用StandardScaler来特征的标准化,如果你的数据中包含异常值,那么效果可能不好。

个人信息

加入时间:2020-01-23

最后活动:6 小时前

发帖数:1039

回复数:1