- 1.简介 深度学习模型通常需要大量有标签数据才能训练出一个优良的分类器。但是，包括医学图像分析在内的一些应用无法满足这种数据要求，因为标注数据需要很多人力劳动。在这些情况下，多任务学习（MTL）可以通过使用来自其它相关学习任务的有用信息来帮助缓解这种数据稀疏问题。 微众银行首席智能官、香港科技大学讲座教授、国际人工智能联合会理事会主席、吴... 1.简介 深度学习模型通常需要大量有标签数据才能训练出一个优良的分类器。但是，包括医学图像分析在内的一些应用无法满足这种数据要求，因为标注数据需要很多人力劳动。在这些情况下，多任务学习（MTL）可以通过使用来自其它相关学习任务的有用信息来帮助缓解这种数据稀疏问题。 微众银行首席智能官、香港科技大学讲座教授、国际人工智能联合会理事会主席、吴...
- GCN: Graph Convolutional Network(图卷积网络) 环境准备 Python版本：Python 3.6.8 PyTorch版本：PyTorch1.1.0 RDKit版本：RDKit 2020.03.1 基于图卷积神经网络（GCN）预测分子性质 导入库 from rdkit import Chem... GCN: Graph Convolutional Network(图卷积网络) 环境准备 Python版本：Python 3.6.8 PyTorch版本：PyTorch1.1.0 RDKit版本：RDKit 2020.03.1 基于图卷积神经网络（GCN）预测分子性质 导入库 from rdkit import Chem...
- GCN GCN : 图卷积神经网络（Graph Convolutional Networks） 图卷积的原理 处理图形或网络的数据形式存在许多重要的实际问题，如社交网络、知识图形、蛋白质相互作用网络和分子图形等。然而，将深度学习应用于这些图形数据是非常重要的，因为它具有独特地图特征。人们非常关注神经网络模型对这种结构化图形数据的概括。过去的几年中，许多论文重新讨论推广神... GCN GCN : 图卷积神经网络（Graph Convolutional Networks） 图卷积的原理 处理图形或网络的数据形式存在许多重要的实际问题，如社交网络、知识图形、蛋白质相互作用网络和分子图形等。然而，将深度学习应用于这些图形数据是非常重要的，因为它具有独特地图特征。人们非常关注神经网络模型对这种结构化图形数据的概括。过去的几年中，许多论文重新讨论推广神...
- @Author：Runsen 使用 R-CNN 进行对象检测存在一些缺点。 R-CNN 消耗了大量的时间、存储和计算能力。R-CNN 有一个复杂的多阶段训练管道（3 阶段——对数损失、SVM 和 BBox 回归器的 L2 损失） 上一篇论文的同一作者（R-CNN）解决了 R-CNN 的一些缺点，构建了一个更快的对象检测算法，被称为 Fast R-CNN。 Fas... @Author：Runsen 使用 R-CNN 进行对象检测存在一些缺点。 R-CNN 消耗了大量的时间、存储和计算能力。R-CNN 有一个复杂的多阶段训练管道（3 阶段——对数损失、SVM 和 BBox 回归器的 L2 损失） 上一篇论文的同一作者（R-CNN）解决了 R-CNN 的一些缺点，构建了一个更快的对象检测算法，被称为 Fast R-CNN。 Fas...
- 近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。本文介绍了图神经网络的基本原理，以及两种高级的算法，DeepWalk和GraphSage。 图(Graph) 在讨论GNN之前，我们先来了解一下什么是图。在计算机科学中，图是由顶点和边两... 近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。本文介绍了图神经网络的基本原理，以及两种高级的算法，DeepWalk和GraphSage。 图(Graph) 在讨论GNN之前，我们先来了解一下什么是图。在计算机科学中，图是由顶点和边两...
- 如何使用DeepChem库将图卷积用于类似问题的回归分析。 from deepchem.models.tensorgraph.layers import GraphPool, GraphGatherfrom deepchem.models.tensorgraph.layers import Dense, L2Loss, WeightedError, Stackfrom ... 如何使用DeepChem库将图卷积用于类似问题的回归分析。 from deepchem.models.tensorgraph.layers import GraphPool, GraphGatherfrom deepchem.models.tensorgraph.layers import Dense, L2Loss, WeightedError, Stackfrom ...
- 今天给大家介绍来自德国蒂宾根大学的Robert Geirhos和加拿大多伦多大学的Claudio Michaelis等人发表在Nature Machine Intelligence的文章“Shortcut learning in deep neural networks”。文章认为有很多种深度学习（DL）案例的失败可以看作是同一个问题——捷径学习... 今天给大家介绍来自德国蒂宾根大学的Robert Geirhos和加拿大多伦多大学的Claudio Michaelis等人发表在Nature Machine Intelligence的文章“Shortcut learning in deep neural networks”。文章认为有很多种深度学习（DL）案例的失败可以看作是同一个问题——捷径学习...
- @Author：Runsen 文章目录 基本卷积神经网络（CNN） 加载数据集 1.创建模型 2.卷积层 3. 激活层 4. 池化层 5. Dense（全连接层） 6. Model compile & train 基本卷积神经网络（CNN） -CNN的基本结构：CNN与MLP相似，因为它们只向前传送信... @Author：Runsen 文章目录 基本卷积神经网络（CNN） 加载数据集 1.创建模型 2.卷积层 3. 激活层 4. 池化层 5. Dense（全连接层） 6. Model compile & train 基本卷积神经网络（CNN） -CNN的基本结构：CNN与MLP相似，因为它们只向前传送信...
- @Author：Runsen 由于毕业入了CV的坑，在内卷的条件下，我只好把别人卷走。 对象检测 对象检测是一种计算机视觉技术，用于定位图像或视频中的对象实例。对象检测算法通常利用机器学习或深度学习来产生有意义的结果。当人类查看图像或视频时，我们可以在瞬间识别和定位感兴趣的对象。对象检测的目标是使用计算机复制这种智能。 比如，物体检测是高级驾驶辅助系统 (ADA... @Author：Runsen 由于毕业入了CV的坑，在内卷的条件下，我只好把别人卷走。 对象检测 对象检测是一种计算机视觉技术，用于定位图像或视频中的对象实例。对象检测算法通常利用机器学习或深度学习来产生有意义的结果。当人类查看图像或视频时，我们可以在瞬间识别和定位感兴趣的对象。对象检测的目标是使用计算机复制这种智能。 比如，物体检测是高级驾驶辅助系统 (ADA...
- DeepChem是一个机器学习库，用于对化合物的图结构进行卷积。 环境 Python 3.6 DeepChem 1.1.0 TensorFlow 1.0.1 RDKit 2020.03.2 基于DeepChem图卷积预测溶解度 导入库 import tensorflow as tfimport deepchem as dcimport numpy as ... DeepChem是一个机器学习库，用于对化合物的图结构进行卷积。 环境 Python 3.6 DeepChem 1.1.0 TensorFlow 1.0.1 RDKit 2020.03.2 基于DeepChem图卷积预测溶解度 导入库 import tensorflow as tfimport deepchem as dcimport numpy as ...
- 文章目录 原理 基本步骤 算法关键点 K值的选择 距离的选择 决策原则 距离度量的实现方法 蛮力实现 KD 树 算法优缺点 优点 缺点 sklearn用法 应用举例 源码实现 K近邻法(KNN)是一种很基本的机器学习算法，属于监督学习类算法，是一种简单易懂的方法... 文章目录 原理 基本步骤 算法关键点 K值的选择 距离的选择 决策原则 距离度量的实现方法 蛮力实现 KD 树 算法优缺点 优点 缺点 sklearn用法 应用举例 源码实现 K近邻法(KNN)是一种很基本的机器学习算法，属于监督学习类算法，是一种简单易懂的方法...
- @Author：Runsen 文章目录 Load Dataset 1.CNN-RNN 2.CNN-RNN-2 Load Dataset CIFAR-10 dataset import numpy as np from sklearn.metrics import accuracy_score from tensor... @Author：Runsen 文章目录 Load Dataset 1.CNN-RNN 2.CNN-RNN-2 Load Dataset CIFAR-10 dataset import numpy as np from sklearn.metrics import accuracy_score from tensor...
- 今天给大家介绍中山大学杨跃东教授课题组发表在Journal of Cheminformatics上的一篇论文。该论文指出蛋白质的溶解度对于生产新的可溶性蛋白质非常重要，但是目前预测蛋白质溶解度的方法大多基于氨基酸的一维嵌入，仅限于捕获空间结构信息。针对上述问题，作者开发了一种新的结构感知方法——GraphSol，通过注意力图卷积网络（GCN）预测... 今天给大家介绍中山大学杨跃东教授课题组发表在Journal of Cheminformatics上的一篇论文。该论文指出蛋白质的溶解度对于生产新的可溶性蛋白质非常重要，但是目前预测蛋白质溶解度的方法大多基于氨基酸的一维嵌入，仅限于捕获空间结构信息。针对上述问题，作者开发了一种新的结构感知方法——GraphSol，通过注意力图卷积网络（GCN）预测...
- @Author：Runsen 文章目录 nn.Linear nn.Relu nn.BatchNorm1d nn.Sequential 第一个神经网络模型 在PyTorch实现模型建立，主要是NN模块。 nn.Linear nn.Linear是创建一个线性层。这里需要将输入和输出维度作为参数传递。 linear = nn.... @Author：Runsen 文章目录 nn.Linear nn.Relu nn.BatchNorm1d nn.Sequential 第一个神经网络模型 在PyTorch实现模型建立，主要是NN模块。 nn.Linear nn.Linear是创建一个线性层。这里需要将输入和输出维度作为参数传递。 linear = nn....
- @Author：Runsen 文章目录 循环神经网络RNN Load Dataset 1. Vanilla RNN 2. Stacked Vanilla RNN 3. LSTM 4. Stacked LSTM 循环神经网络RNN 前馈神经网络（例如 MLP 和 CNN）功能强大，但它们并未针对处理“顺序”数据进行优化 ... @Author：Runsen 文章目录 循环神经网络RNN Load Dataset 1. Vanilla RNN 2. Stacked Vanilla RNN 3. LSTM 4. Stacked LSTM 循环神经网络RNN 前馈神经网络（例如 MLP 和 CNN）功能强大，但它们并未针对处理“顺序”数据进行优化 ...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签