本文通过分类问题讲解判别式和生成式模型，会用到Logistics Regression 和 几率模型首先介绍一下，判别式模型是完全根据数据得出结果，而生成式模型会有人为设定的条件建立模型，再通过利用假设建立的模型得出结果。Generative (生成式模型)例： 利用iris数据进行分类 本文仅仅才用了target0和target1，且仅仅利用了前两种属性（便于可视化）数据可视化 利用生成式建立模
转载
2024-08-15 15:08:46
115阅读
这个教程训练了一个神经网络模型来分类衣服的图像，比如运动鞋和衬衫。不理解所有的细节也没关系，这是一个快节奏的完整的TensorFlow程序的概述随着以后的深入学习会慢慢理解这些细节部分。 本教程使用tf.keras，一个在TensorFlow中构建和训练模型的高级API。from __future__ import absolute_import, division, print_function
转载
2024-02-26 12:52:58
17阅读
熵 如果X是一个离散型随机变量, 取值空间为R, 那么X的熵H(X)定义为式 联合熵和条件熵 如果X,Y是一对离散型随机变量X,Y~p(x, y), X, Y的联合熵H(X,Y)定义为 联合熵就是描述一对随机变量平均所需要的信息量 给定随机变量X, 随机变量Y的条件熵 将联合熵中的log函数展开 将上式称为熵的联合规则, 那么在一般情况下就有
一：模型与算法篇1、数学模型的常见分类按模型的数学方法分：
几何模型图论模型微分方程模型概率模型最优控制模型规划论模型马氏链模型等按模型的特征分：
静态模型和动态模型确定性模型和随机模型离散模型和连续性模型线性模型和非线性模型等按模型的应用领域分：
人口模型交通模型经济模型生态模型资源模型环境模型等。按建模的目的分：
预测模型优化模型决策模型控制模型等一般研究数学建模论文的
兴奋去年， Google 的 BERT 模型一发布出来，我就很兴奋。因为我当时正在用 fast.ai 的 ULMfit 做自然语言分类任务(还专门写了《如何用 Python 和深度迁移学习做文本分类？》一文分享给你)。ULMfit 和 BERT 都属于预训练语言模型(Pre-trained Language Modeling)，具有很多的相似性。所谓语言模型，就是利用深度神经网络结构，在海量语言文
第一章： 数字图像基础第一节：数字图像获取1.图像：①广义上讲我们肉眼所见的世界就是图像②图像是客观存在的二位、三位灰度或彩色的图在认知感觉中所产生的“像”模拟图像：在图像处理中，如纸质照片、电视模拟图像等通过某种物理量的强弱变化来记录图像亮度信息的图像。数字图像：把连续的模拟图像离散化成规则网格并用计算机以数字的方式记录图像上各网格点亮度信息的图像几位数字图像。数字图像是用一个数字阵列来表达客观
1. 解释一下GBDT算法的过程GBDT(Gradient Boosting Decision Tree)，全名叫梯度提升决策树，使用的是Boosting的思想。1.1 Boosting思想Boosting方法训练基分类器时采用串行的方式，各个基分类器之间有依赖。它的基本思路是将基分类器层层叠加，每一层在训练的时候，对前一层基分类器分错的样本，给予更高的权重。测试时，根据各层分类器的结果的加权得到
转载
2024-04-17 19:50:25
49阅读
文本检索任务可以定义为: 给定一个文档集合，用户输入一个query来表达信息检索需求，借助于一个文本检索系统返回相关文档给用户。日常生
原创
2024-05-29 10:54:07
85阅读
Defect-GAN: High-Fidelity Defect Synthesis for Automated Defect Inspection~WACV2021单位： 一、下载二、文章解读思路：缺陷检测实验中，基于学习的缺陷检测算法，受困于缺陷样本少。缺陷样本为什么少呢？ 原因一：实际生产时间中，真实产生的缺陷样本少，缺陷类型不确
说明：自己在看代码的时候，计算Perplexity的时候，都是通过交叉熵损失函数求指数得来的，一直很困惑，交叉熵不是用来衡量两个分布的差异程度，而Perplexity是计算一句话的概率，感觉两者相差很大，直到看到博主写的这篇博客，才恍然大悟，非常感谢博主。总结：本质上perplexity 就是交叉熵的指数形式语言模型评估1.如何评估语言模型 Perplexity 一个语言模型表现更好好就是说它在测
转载
2024-04-26 16:25:00
71阅读
灰色系统我们称信息完全未确定的系统为黑色系统，称信息完全确定的系统为白色系统，灰色系统就是这介于这之间，一部分信息是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系。特点用灰色数学处理不确定量，使之量化。充分利用已知信息寻求系统的运动规律。灰色系统理论能处理贫信息系统。直接上代码首先引入所需要的库import matplotlib.pyplot as plt
import pandas
转载
2023-08-21 03:16:56
178阅读
数学建模基础知识1 数学建模1.1 意义1.2 数学建模方法分类1.3 数学建模十大方法1.4 数学建模步骤2 常见建模方法2.1 预测与预报2.2 评价与决策2.3 分类与判别2.4 关联与因果2.5 优化与控制3 写作与数据3.1 写作3.2 数据 1 数学建模1.1 意义常见比赛：美赛、国赛（高教社杯）、亚太、深圳杯等 意义：简历上的更新，个人技能的实际提升。1.2 数学建模方法分类1、按
导言： 传统的卷积网络在一个前向过程中每层只有一个连接，ResNet增加了残差连接从而增加了信息从一层到下一层的流动。FractalNets重复组合几个有不同卷积块数量的并行层序列，增加名义上的深度，却保持着网络前向传播短的路径。相类似的操作还有Stochastic depth和Highway Networks等。 &
转载
2024-03-29 11:28:26
91阅读
# 如何实现NLP词语分类模型做三分类
## 概述
在本篇文章中，我将向你介绍如何实现一个NLP词语分类模型，做三分类。作为一名经验丰富的开发者，我将指导你完成整个流程，并提供相应的代码示例。
## 流程
首先，让我们通过一个表格来展示整个实现过程的步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 数据准备 |
| 2 | 特征提取 |
| 3 | 模型选择 |
原创
2024-06-10 04:58:56
40阅读
1 语音生成系统 发声器官：声带，声道 声带：声音的激励，开启闭合一次形成浊音的激励脉冲，其频率为60-450hz，也称为基音频率 声道：从声带到嘴唇的呼吸通道，声音的信道，决定一个人的声纹 人声按照声带振动与否，分为浊
首先，说下多类分类和多标签分类的区别 多标签分类：一个样本可以属于多个类别（或标签），不同类之间是有关联的，比如一个文本被被划分成“人物”和“体育人物”两个标签。很显然这两个标签不是互斥的，而是有关联的； 多类分类：一个样本属于且只属于多个分类中的一个，一个样本只能属于一个类，不同类之间是互斥的，比
转载
2018-11-14 09:16:00
906阅读
2评论
数据集上训练好的ResNet模型进行微调。
原创
2023-01-12 06:47:12
334阅读
Transfromer理论部分谷歌大脑在论文《Attention Is All You Need》中提出了一个完全基于注意力机制的编解码器模型 Transformer ，它完全抛弃了之前其它模型引入注意力机制后仍然保留的循环与卷积结构，然后在任务表现、并行能力和易于训练性方面都有大幅的提高。Tran
转载
2019-06-27 15:30:00
222阅读
K近邻（KNN）• 最简单最初级的分类器，就是将全部的训练数据所对应的类别都记录下 来， 当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其 进行分类• K近邻（k-nearest neighbour, KNN）是一种基本分类方法，通过测量不同特征值之间的距离进行分类。 它的思路是：如果一个样本在特征空间 中的k个最相似（即特征空间中最邻近） 的样本中的大多数属于某一个类
转载
2024-04-09 12:01:40
57阅读
1. 我们怎样才能识别语言数据中能明显用于对其分类的特征?2. 我们怎样才能构建语言模型，用于自动执行语言处理任务?
3. 从这些模型中我们可以学到哪些关于语言的知识?6.1 有监督分类性别鉴定#创建一个分类器的第一步是决定输入的什么样的特征是相关的，以及如何为那些特征编码
#以下特征提取器 函数建立一个字典，包含有关给定名称的相关信息:
def gender_features(word):
