- RSNNS包 BP神经网络 RSNNS包 BP神经网络
- R实现BP神经网络与参数调优 R实现BP神经网络与参数调优
- RNN主要特点本身的循环结构，可以处理位置信息；处理不定长度的序列。缺点长期的记忆能力缺失；顺序处理，速度很慢 CNN输入一段句子经过embedding后，就会变成一个尺寸为len(sentence)*len(emb)的矩阵，也就是句子的长度乘以词向量的长度，因此CNN就可以把文本看成图像那样处理了。操作过程CNN通过卷积核从文本向量中提取特征，一个dk大小的卷积核从第一个词开始，从前往后... RNN主要特点本身的循环结构，可以处理位置信息；处理不定长度的序列。缺点长期的记忆能力缺失；顺序处理，速度很慢 CNN输入一段句子经过embedding后，就会变成一个尺寸为len(sentence)*len(emb)的矩阵，也就是句子的长度乘以词向量的长度，因此CNN就可以把文本看成图像那样处理了。操作过程CNN通过卷积核从文本向量中提取特征，一个dk大小的卷积核从第一个词开始，从前往后...
- GCN学习过程中遇到的问题点 GCN学习过程中遇到的问题点
- 谱域图神经网络概念：希望将卷积用在图上，为了解决空间邻域的不规则性，依据图谱论，将图的拉普拉斯矩阵进行谱分解，并利用得到的特征值和特征向量在普空间上进行卷积操作。发展历史：Spectral Graph GNN -- Cheby NET -- GCNSpectral Graph GNN:依赖每个图的拉普拉斯矩阵，无法扩展对图信号的操作步骤将空域的图信号x进行图论傅里叶变换，得到F(X) = U... 谱域图神经网络概念：希望将卷积用在图上，为了解决空间邻域的不规则性，依据图谱论，将图的拉普拉斯矩阵进行谱分解，并利用得到的特征值和特征向量在普空间上进行卷积操作。发展历史：Spectral Graph GNN -- Cheby NET -- GCNSpectral Graph GNN:依赖每个图的拉普拉斯矩阵，无法扩展对图信号的操作步骤将空域的图信号x进行图论傅里叶变换，得到F(X) = U...
- Unet已经是非常老的分割模型了，是2015年《U-Net: Convolutional Networks for Biomedical Image Segmentation》提出的模型论文连接：https://arxiv.org/abs/1505.04597在Unet之前，则是更老的FCN网络，FCN是Fully Convolutional Netowkrs的缩写，确立分割网络的基础框架 ... Unet已经是非常老的分割模型了，是2015年《U-Net: Convolutional Networks for Biomedical Image Segmentation》提出的模型论文连接：https://arxiv.org/abs/1505.04597在Unet之前，则是更老的FCN网络，FCN是Fully Convolutional Netowkrs的缩写，确立分割网络的基础框架 ...
- GNN 什么是图 常见图结构点，边 图片如何表示为图结构像素点为节点像素之间的关系，为边和周边的像素点联系 文本如何表示为图结构字为节点前后的联系，为边（关系） 分子化学分子分子性质预测分子生成化学反应蛋白质网络相互作用，药物-蛋白 社交网络 文章的引用结构 图数据的性质节点的不均匀分布边的额外属性排列不变性 发展历史 目标通过人工神经网络，将图和图上的几点映射到一个低维空间 谱域神经网络... GNN 什么是图 常见图结构点，边 图片如何表示为图结构像素点为节点像素之间的关系，为边和周边的像素点联系 文本如何表示为图结构字为节点前后的联系，为边（关系） 分子化学分子分子性质预测分子生成化学反应蛋白质网络相互作用，药物-蛋白 社交网络 文章的引用结构 图数据的性质节点的不均匀分布边的额外属性排列不变性 发展历史 目标通过人工神经网络，将图和图上的几点映射到一个低维空间 谱域神经网络...
- RFBNet，是一篇没有公式，通俗易懂，图文并茂，格式优雅的好文，文中提出了RFB，是一个可以集成至其他检测算法的模块，从论文的fig2、3、4、5中也很容易理解，就是受启发于人类视觉感知系统，提出的RFBNet基于SSD的backbone，结合了Inception、虫洞卷积的思想，来尽量模拟人类的视觉感知，最终实验结果也非常好。训练也没有特别的tricks，占用资源不大，但效果就是好，源... RFBNet，是一篇没有公式，通俗易懂，图文并茂，格式优雅的好文，文中提出了RFB，是一个可以集成至其他检测算法的模块，从论文的fig2、3、4、5中也很容易理解，就是受启发于人类视觉感知系统，提出的RFBNet基于SSD的backbone，结合了Inception、虫洞卷积的思想，来尽量模拟人类的视觉感知，最终实验结果也非常好。训练也没有特别的tricks，占用资源不大，但效果就是好，源...
- 九行代码完成MATLAB bp神经网络预测 九行代码完成MATLAB bp神经网络预测
- 如何学号好数学建模 如何学号好数学建模
- 比赛已经告一段落，现在我们队兑现承诺，将比赛方案开源给大家，互勉互助，共同进步。队伍介绍 我们的队伍名是Baseline，我们因分享Baseline结缘，所以就把队伍名叫Baseline。 队长： 方曦来自上海交通大学，研三。 队员 ：吕晓欣来自网易，AI工程师 队员：王浩来自北京星河亮点，软件研发 队员：杨新达来自广州一家企业，AI工程... 比赛已经告一段落，现在我们队兑现承诺，将比赛方案开源给大家，互勉互助，共同进步。队伍介绍 我们的队伍名是Baseline，我们因分享Baseline结缘，所以就把队伍名叫Baseline。 队长： 方曦来自上海交通大学，研三。 队员 ：吕晓欣来自网易，AI工程师 队员：王浩来自北京星河亮点，软件研发 队员：杨新达来自广州一家企业，AI工程...
- 使用pytorch搭建神经网络回归模型，分析如下： （1）描述所使用的神经网络模型； （2）描述训练模型所使用的算法； （3）描述模型超参数（如神经网络模型结构对应的参数）确定的过程，分析模型训练结果，包括五次5折交叉验证及其结果、模型训练过程相应误差的变化情况等； （4）总结模型训练过程中的收获。 使用pytorch搭建神经网络回归模型，分析如下： （1）描述所使用的神经网络模型； （2）描述训练模型所使用的算法； （3）描述模型超参数（如神经网络模型结构对应的参数）确定的过程，分析模型训练结果，包括五次5折交叉验证及其结果、模型训练过程相应误差的变化情况等； （4）总结模型训练过程中的收获。
- 一、Ubuntu镜像上传到集群1.下载镜像代码如下（示例）： docker pull ecpe4s/ubuntu20.04-spack2.查看镜像是否下载完成代码如下（示例）：docker images3.更改镜像名称代码如下（示例）：docker tag tensorflow/ecpe4s/ubuntu20.04-spack 211.82.236.15:8888/liu2yang/ubun... 一、Ubuntu镜像上传到集群1.下载镜像代码如下（示例）： docker pull ecpe4s/ubuntu20.04-spack2.查看镜像是否下载完成代码如下（示例）：docker images3.更改镜像名称代码如下（示例）：docker tag tensorflow/ecpe4s/ubuntu20.04-spack 211.82.236.15:8888/liu2yang/ubun...
- 下面几篇paper有异曲同工之妙，开启了anchor-based和anchor-free的轮回。1. Feature Selective Anchor-Free Module for Single-Shot Object Detection2. FCOS: Fully Convolutional One-Stage Object Detection3. FoveaBox: Beyond An... 下面几篇paper有异曲同工之妙，开启了anchor-based和anchor-free的轮回。1. Feature Selective Anchor-Free Module for Single-Shot Object Detection2. FCOS: Fully Convolutional One-Stage Object Detection3. FoveaBox: Beyond An...
- 在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是检测/识别的一大挑战，通常我们有两种做法:(1)足够大的数据量，扩充足够多的样本去增强模型适应尺度变换的能力，因为样本的局限性模型的泛化能力会较低。(2)设置一些针对几何变换不变的特征或者算法，算法的复杂性导致难以设计。可变形卷积顾名思义就是卷积的位置是可变形的，并非在传统的N × N的网格上做卷积，这样的好处就是更准确地提取到我们... 在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是检测/识别的一大挑战，通常我们有两种做法:(1)足够大的数据量，扩充足够多的样本去增强模型适应尺度变换的能力，因为样本的局限性模型的泛化能力会较低。(2)设置一些针对几何变换不变的特征或者算法，算法的复杂性导致难以设计。可变形卷积顾名思义就是卷积的位置是可变形的，并非在传统的N × N的网格上做卷积，这样的好处就是更准确地提取到我们...
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