基于深度学习方法实现SPECT放射性核素定量测量（二）—GATE仿真（1）GATE介绍GATE（GEANT4 Application for Emission Tomography）由OpenGATE组织开发，是一个基于GEANT4的软件包。它封装了GEANT4库，是一个专用于核医学领域的免费开源、通用性、脚本化、模块化的仿真平台。GATE继承了GEANT4仿真工具包的优势，其中包括经过验证的物理
转载
2023-12-18 23:46:55
386阅读
基于深度学习方法实现SPECT放射性核素定量测量（三）-图像重建及衰减校正（1）图像重建使用MLEM迭代重建算法进行图像重建，MLEM算法原理如图1所示。 图像重建可以借助重建软件进行，目前可以用于SPECT重建的软件有STIR、Castor、OMEGA、QSPECT等，这些软件大部分是在linux系统下使用的。可以使用QSPECT对SPECT图像进行图像重建，QSPECT是专用于SPECT图像重
转载
2023-11-20 00:40:41
276阅读
PicoScope 6 Automotive软件推出了新的测量功能DeepMeasure。每次触发采集时，DeepMeasure均可在多达一百万个波形周期内自动测量重要波形参数。可以轻松地对结果进行分类、分析并将其与波形显示相关联。图1捕获了装有压电式喷油器的四缸柴油发动机起动时的一些信号波形，D通道捕获的是柴油泵的电控信号，可以采集进油控制阀(SCV)、进油计量阀或容积控制阀处的信号，取决于哪一
转载
2024-01-15 17:04:34
130阅读
目录一、Pytorch Fashion 二、Linear Regression1.prepare dataset（准备数据集）代码实现： 2.Design Model（设计模型）代码实现：3.Construct Loss and Optimizer（构造损失函数和优化器）损失函数：优化器：代码实现：4.Training Cycle（训练周期） 代码实现：5
转载
2024-07-08 16:17:32
100阅读
# 如何实现深度学习曲线
## 概述
在深度学习中，绘制曲线是非常重要的，可以帮助我们了解模型的训练过程和效果。下面我将指导你如何实现深度学习曲线。
### 流程图
```mermaid
flowchart TD
A[准备数据集] --> B[构建模型]
B --> C[编译模型]
C --> D[训练模型]
D --> E[绘制曲线]
```
### 步骤表
原创
2024-03-08 05:57:38
63阅读
# 深度学习学习曲线
深度学习是人工智能领域中的一个重要分支，它通过模拟人类大脑的神经网络结构来实现各种复杂任务的学习和推理。但是，学习深度学习并不是一件容易的事情，需要不断地调整参数、优化模型、调整网络结构等。在学习深度学习的过程中，我们会遇到不同阶段的学习曲线。这篇文章将介绍深度学习学习曲线，并通过代码示例和流程图来解释其中的内容。
## 深度学习学习曲线
深度学习学习曲线通常包括四个阶
原创
2024-05-24 04:42:56
113阅读
# 深度学习决策曲线的实现指南
在深度学习领域，决策曲线（Decision Curve）是一种用于评估和比较分类模型性能的可视化工具。在本文中，我们将详细介绍如何实现决策曲线，包括整个流程、每一步的实现代码以及相应的注释，帮助初学者掌握这一重要概念。
## 1. 流程概述
为便于理解，下面我们将描述实现决策曲线的主要步骤，具体流程如下表格所示：
| 步骤 | 描述
# 深度学习中的Lift曲线实现指南
## 一、什么是Lift曲线？
Lift曲线是一个常用于评估分类模型性能的工具。它展示了在不同阈值下，模型相对随机选择的提升能力。Lift值通常是指用模型预测的正类的提升率。理解Lift曲线能够帮助开发者更好地评估和优化模型的表现。
## 二、实现Lift曲线的步骤
为实现Lift曲线，我们需要通过以下步骤：
| 步骤 | 说明
原创
2024-10-19 07:11:22
143阅读
校准曲线深度学习是一种重要的机器学习方法，旨在通过构建模型的校准曲线来评估和改进其预测能力。在这篇博文中，我将记录解决“校准曲线深度学习”问题的整个过程，包括环境准备、分步指南、配置详解、验证测试、优化技巧和扩展应用。
## 环境准备
为了顺利开展校准曲线深度学习的工作，我们首先需要搭建合适的环境。下面是前置依赖和版本兼容性矩阵：
| 依赖项 | 版本 |
在深度学习中，epoch曲线是评估模型训练效果的重要指标。它反映了训练过程中损失和准确率的变化趋势。掌握这些曲线的分析与调试是提升模型性能的关键。本篇文章将记录解决深度学习epoch曲线问题的详细过程，并结合实际参数分析、调试步骤及最佳实践，为大家提供清晰的解决方案。
## 背景定位
当深度学习模型训练出现问题时，尤其是epoch曲线表现出过拟合、欠拟合或震荡现象时，对业务的影响会非常显著。例
4_13_霍夫线变换 - OpenCV中文官方文档了解霍夫变换的概念。 - 我们将看到如何使用它来检测图像中的线条。 - 我们将看到以下函数：cv.HoughLines()，cv.HoughLinesP()前情提要如果可以用数学形式表示形状，则霍夫变换是一种检测任何形状的流行技术。 即使形状有些破损或变形，也可以检测出形状。我们将看到它如何作用于一条线。（原理有点没看明白）在应用霍夫变换
转载
2023-09-03 14:54:04
198阅读
ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线
转载
2024-01-03 12:37:07
118阅读
最近需要将数据通过图表展示出来，以便观察其变化趋势。直接展示出来的效果不是很好，故在网上查找了很久曲线平滑的方法，最终找到了了一套比较适合的方法，思路比较简单，对于现在的项目来说效果也还不错，故记录一下。原始数据大小分别为881、490和1711，直接展示如下图所示: 原始曲线
由于采集过程中传感器数据变化比较敏感，所以有比较明显的锯齿，故第一步需要去差值。这里采用的是“五点去差值
转载
2024-06-25 07:07:20
705阅读
《DEEP LEARNING FOR ANOMALY DETECTION : A SURVEY》摘要：对基于深度学习的异常检测技术进行结构化和综合的呈现；评估各种检测技术在各类应用中的效率。具体而言：作者按照现有假设和方法对当前的技术归类，而每一组将呈现其基础检测技术及变体，同时呈现对应的假设，从而区分异常行为和非异常行为。对每一组技术呈现其优势和局限，同时讨论各种技术在实际应用中的计算复杂度。最
转载
2024-01-28 05:50:29
39阅读
ZBL-F800裂缝综合测试仪 裂缝宽度深度综合检测仪技术参数：名称 技术指标 名称 技术指标主控单元 ARM9嵌入式平台 显示屏 4.3英寸TFT高亮度 彩色液晶屏宽度 测量范围 (mm) 0～6 深度 检测范围 (mm) 5～500测量精度 (mm) ≤±0.01 检测精度(mm) ≤±5(≤±10%)操作方式 触摸屏 工作时间(h) ＞8存储方式 2GB(大于10000个文件) 供电方式 内
转载
2023-11-29 10:30:10
70阅读
什么是过拟合举一个简单的例子：我们设计了一个模型来判断 一件物品是否为树叶。喂养这个模型的数据集中含有几张带有尖刺边缘的树叶。模型的设计者希望模型能满足每一个训练数据，模型就将尖刺边缘也纳入了参数中。当我们测试这个模型的泛化性能时，就会发现效果很差，因为模型钻牛角尖，它认为树叶必须带有尖刺边缘，所以它排除了所有没有带有尖刺边缘的树叶，但事实上，我们知道树叶并不一定带有尖刺边缘。结果为什么会这样？因
深度学习AUC曲线绘制是评估分类模型尤其是二分类模型性能的有效工具。在这篇博文中，我将详细介绍如何使用Python绘制深度学习模型的AUC曲线，从环境准备到优化技巧一步一步引导你完成。
### 环境准备
要成功绘制AUC曲线，需要确保你的硬件和软件环境满足以下要求：
**软硬件要求：**
- **操作系统**：Windows/Linux/Mac
- **Python版本**：3.7及以上
1. 训练误差与泛化误差的定义训练误差和泛化误差是评估机器学习模型性能的两个重要概念。1.1 训练误差（Training Error）训练误差是指模型在训练数据集上表现的误差，也就是模型在学习过程中对已知样本的预测错误程度。它是通过计算模型在训练集上的损失函数（如均方误差、交叉熵等）来度量的。训练误差越低，通常表示模型在学习过程中对训练数据的拟合越好。1.2 泛化误差（Generalization
Snake算法snake是一种主动轮廓模型，主动轮廓模型目前用到了2种：CV和snake。snake在逐步迭代优化过程的目标是能量函数最小化，snake的目标不像sobel、canny等找到整张图的轮廓。它只搜索你给出的初始轮廓附近，达到轮廓更精确的目标，至少原版的snake只能达到局部优化的目标。因为曲线曲率的关系，闭合的轮廓曲线中，凸曲线按照法向量的方向，具有向内的作用力；凹曲线法向量向外，具
hough变换的介绍在理想情况下，利用Sobel、LoG和Canny边缘检测算子讨论的方法应该只产生位于边缘上的像素。实际上，得到的像素因为噪声，以及不均匀照明引起的边缘断裂和杂散的亮度不连续而难以得到完全的边缘特性。因而，典型的边缘检测算法紧接着用连接过程把像素组装成有意义的边缘。一种寻找并连接图像中线段的方法是霍夫变换。2. 算法原理Hough是将原始图像中直线的检测问题转化为寻找参数空间中的
