论文研究
文章平均质量分 93
tomjourney
积善之家 必有余庆
展开
-
(转)中国计算机学会推荐国际学术会议和期刊目录(2022)
转自:转载 2024-05-06 22:03:24 · 227 阅读 · 0 评论 -
(转)简单神经网络(权值阈值训练)
本文转自:神经网络入门 - 阮一峰的网络日志https://www.ruanyifeng.com/blog/2017/07/neural-network.html眼下最热门的技术,绝对是人工智能。人工智能的底层模型是"神经网络"(neural network)。许多复杂的应用(比如模式识别、自动控制)和高级模型(比如深度学习)都基于它。学习人工智能,一定是从它开始。什么是神经网络呢?网上似乎缺乏通俗的解释。前两天,我读到 Michael Nielsen 的开源教材《神经网络与深度学习翻译 2022-05-15 18:28:39 · 2078 阅读 · 0 评论 -
(翻)为什么要训练人工神经网络
【README】本文翻译自https://towardsdatascience.com/how-do-we-train-neural-networks-edd985562b73https://towardsdatascience.com/how-do-we-train-neural-networks-edd985562b73【1】介绍今天我将从非常简短的神经网络介绍开始,这足以理解我将要讨论的概念。 我将解释什么是损失函数以及“训练”神经网络或任何其他机器学习模型意味着什么。 我并不声称我的翻译 2022-05-15 17:17:21 · 998 阅读 · 0 评论 -
java计算混淆矩阵(分类指标:查准率P,查全率R,P和R的调和均值F1,正确率A)
【0】README本文使用 java 计算混淆矩阵,并利用 混淆矩阵值计算 分类指标;通用分类指标有: 查准率,查全率,查准率和查全率的调和均值F1值,正确率, AOC, AUC等;本文计算前4个指标;(附源代码和结果截图)【1】什么是混淆矩阵(借用自己PPT截图)【2】查准率和查全率的区别查准率:查准率表示选出的样本中有多少比例样本是正例(期望样本);查全率:原创 2017-04-06 08:57:11 · 3996 阅读 · 4 评论 -
哈儿小波分解和重构(降维和升维)实现算法
【0】README0.1)本文旨在讲解 哈儿小波变换(分解和重构)进行数据的降维和升维;【1】intro to 哈儿小波1.1)定义:哈尔小波变换分为哈尔小波分解和重构。本文利用哈尔小波分解和哈尔小波重构分别对社交网络中的时间序列进行降维和升维操作,而分解降维和重构升维互为逆过程,这里以哈尔小波分解降维步骤为例进行说明。1.2)哈尔小波分解(重构是其逆过程):可以被原创 2016-04-13 13:37:57 · 6834 阅读 · 0 评论 -
机器学习和统计里面的auc怎么理解?
转自: https://www.zhihu.com/question/39840928作者:小小丘 (该作者对 auc的意义 讲得非常棒, 感谢付出)链接:https://www.zhihu.com/question/39840928/answer/84906286来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。看到前面答主的答转载 2017-03-09 10:14:52 · 3156 阅读 · 0 评论 -
LNCS用户写作指南【 Springer Computer Science Proceedings 】
转自: http://blog.csdn.net/wyskys/article/details/18075471重点是文末的参考文献格式(主要的是 链接, 期刊论文,会议论文的引用格式)下載地址:http://static.springer.com/sgw/documents/1121537/application/pdf/Springer_CS_Proceedings_A转载 2017-02-27 11:01:23 · 5317 阅读 · 1 评论 -
如何评估模型的预测性能?
you can refer to 如何评估模型的预测性能?一、模型评估简介http://www2.mccombs.utexas.edu/faculty/Maytal.Saar-Tsechansky/Teaching/MIS_373/Fall2004/Model Evaluation.ppt 二、评估数据用于模型评估的数据和用于模型训练的数据最转载 2017-02-24 20:50:57 · 8130 阅读 · 0 评论 -
分类器评价指标
转自:http://www.cnblogs.com/549294286/p/3621740.html 精度和召回率是广泛用于信息检索和统计学分类领域的两个度量值,用来评价结果的质量。其中精度是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率;召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率,衡量的是检索系统的查全率。一般来说,Precision就是检索转载 2017-02-24 19:30:45 · 868 阅读 · 0 评论 -
ROC和AUC介绍以及如何计算AUC
转自: http://alexkong.net/2013/06/introduction-to-auc-and-roc/ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣,对两者的简单介绍见这里。这篇博文简单介绍ROC和AUC的特点,以及更为深入地,讨论如何作出ROC曲线转载 2017-03-02 16:23:29 · 467 阅读 · 0 评论 -
如何撰写论文
摘要 ,即是引言的总结研究现状,即出现的问题 解决方法 结论(方法得出的结论,以数字进行说明) 意义所在引言 ,即是摘要的详细阐述阐述国内外相关研究及其缺点并阐述自己的解决方案及其优点;同时不建议在引言中对国内外别人的研究展开大篇幅阐述 引言中主要还是要写自己的研究方法;当然,别人的研究成果也要看,如果相关研究太多了的话,可以另见一个章节——相关工作;结论(将三段融为一段)用了什么实验方法,原创 2015-06-13 15:48:41 · 1051 阅读 · 0 评论 -
回归模型和分类模型的区别
转自: https://www.zhihu.com/question/21329754分类和回归的区别在于输出变量的类型。定量输出称为回归,或者说是连续变量预测;定性输出称为分类,或者说是离散变量预测。举个例子:预测明天的气温是多少度,这是一个回归任务;预测明天是阴、晴还是雨,就是一个分类任务。转载 2017-03-31 14:09:28 · 7451 阅读 · 0 评论 -
什么是无监督学习(监督学习,半监督学习,无监督聚类)?
作者:王丰链接:https://www.zhihu.com/question/23194489/answer/25028661来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。这个问题可以回答得很简单:是否有监督(supervised),就看输入数据是否有标签(label)。输入数据有标签,则为有监督学习,没标签则为无监督学习。但根据知乎转载 2017-04-16 12:19:11 · 5133 阅读 · 0 评论 -
如何查阅相关工作所用到的文献资料
以百度学术为例。step1:百度学术里输入 最关键的paper 名称,并点击 被引量链接;step2:通过最近年份 或 其他条件 筛选paper(注意看发表期刊或会议的级别)step3:主要看paper的摘要或 intro,抽取其关键idea的学术描述即可原创 2017-06-09 14:20:06 · 1266 阅读 · 0 评论 -
K最近邻分类器
转自: http://www.cnblogs.com/qwertWZ/p/4582096.html本章介绍了《机器学习实战》这本书中的第一个机器学习算法:k-近邻算法,它非常有效而且易于掌握。首先,我们将探讨k-近邻算法的基本理论,以及如何使用距离测量的方法分类物品;其次我们将使用Python从文本文件中导入并解析数据;再次,本文讨论了当存在许多数据来源时,如何避免计算距离时可能碰转载 2017-06-21 21:09:55 · 1734 阅读 · 0 评论 -
用Python开始机器学习(4:KNN分类算法)
转自: http://blog.csdn.net/lsldd/article/details/413579311、KNN分类算法KNN分类算法(K-Nearest-Neighbors Classification),又叫K近邻算法,是一个概念极其简单,而分类效果又很优秀的分类算法。他的核心思想就是,要确定测试样本属于哪一类,就寻找所有训练样本中与该测试样本“距离”最转载 2017-06-21 21:47:05 · 543 阅读 · 0 评论 -
IEEE论文检测的字体未嵌入问题Times New Roman,Bold, Times New Roman,Italic is not embedded解决方法
【1】README毕业前写了一篇 英文paper, 接受后,需要提交到 IEEE PDF Express 做格式检测;;latex源码中引用了 Visio生成的算法流程图,PDF文件;谁料,哥子提交上去后,报如下错误: Errors were found on pages 3-4Font Times New Roman, Times New Roman,Bold, Times N原创 2017-09-23 21:53:55 · 18463 阅读 · 22 评论 -
分类器评估参数——准确度和精度的区别(足球荔枝)
refer to http://www.mathsisfun.com/accuracy-precision.html准确率accuracy 和 精度precision 的不同:(1)Accuracy is how close a measured value is to the actual (true) value.准确率是测量值与实际(真)值的接近程度。转载 2017-02-24 20:35:48 · 1553 阅读 · 0 评论 -
如何评价分类模型性能?(足球荔枝)
【1】评价分类模型,我们一般从两个点出发1.通过指标来评估该模型是否适合对预测对象? 评价指标主要有:1)Precision;2)Recall;3)F-score;4)Accuracy;5)ROC;6)AUC[1] 2.通过计算预测模型所产生的模拟值与历史实际值拟合程度的优劣来估计该模型的预测值的拟合效果。指标有:预测精度和预测准确度,两者是不同的概念。 [2]原创 2017-02-28 21:36:19 · 1273 阅读 · 0 评论 -
机器学习算法常用指标总结
转自: http://www.cnblogs.com/maybe2030/p/5375175.html#_label2阅读目录1. TPR、FPR&TNR2. 精确率Precision、召回率Recall和F1值3. 综合评价指标F-measure4. ROC曲线和AUC5. 参考内容 考虑一个二分问题,即将实例分成正类(pos转载 2017-03-02 12:05:08 · 1021 阅读 · 0 评论 -
基于Apache POI 向xlsx写入数据
【0】写在前面0.1) these codes are from 基于Apache POI 的向xlsx写入数据0.2) this idea is from http://cwind.iteye.com/blog/2187670 , adding some comments for easy understanding proves to be my work.package com.转载 2015-08-29 14:30:04 · 1149 阅读 · 0 评论 -
基于Apache POI 从xlsx读出数据
【0】写在前面0.1) these codes are from 基于Apache POI 的从xlsx读出数据0.2) this idea is from http://cwind.iteye.com/blog/2187670 , adding some comments for easy understanding proves to be my work.package com.转载 2015-08-29 14:36:07 · 585 阅读 · 0 评论 -
《线性代数及其应用》
【0】README0.1)以下内容转自: http://blog.csdn.net/ljbkiss/article/details/7194719【1】正文干货 1.1) 断断续续的终于把 《线性代数及其应用(Linear Algebra and Its Application) David C.Lay》 这本书看完了,不得不说确实是一本很经典的好书。有种相见恨晚的感觉(其实在一开始看的时候就觉得转载 2015-12-27 17:26:39 · 4745 阅读 · 0 评论 -
利用java求积分(定积分和无穷限积分)
【0】README0.1)本文部分文字描述转自或译自 https://en.wikipedia.org/wiki/Simpson%27s_rule和 https://en.wikipedia.org/wiki/Numerical_integration#Methods_for_one-dimensional_integrals;旨在利用java求积分;(定积分和无穷限积分)【1原创 2016-05-18 11:44:24 · 20345 阅读 · 7 评论 -
将模板方法模式应用到kmeans聚类算法
【0】README0.1)本文描述和源代码均为原创,旨在说明 如何将模板方法模式应用到kmean聚类算法;0.2)模板方法模式的intro, 参见 模板方法模式0.3)for kmeans alg source code, please visit 【1】intro to kmeans1.1)准备工作:随机初始化聚类质心1.2)核心算法:for i in原创 2016-03-09 09:48:34 · 894 阅读 · 0 评论 -
英文论文中“such as, for example, e.g., i.e., etc., et al. ”的用法分析
【1】README本文转自:http://www.cnblogs.com/lanke_2009/archive/2010/12/07/1899185.html , 旨在学习 英文论文中的 如 “such as, for example, e.g., i.e., etc., et al. ”的用法;【2】正文如下:黄龙旺 龚汉忠(上海交通大学学报编辑部, 200030,上海)在英文论文的编辑加工中,转载 2015-12-07 17:07:10 · 933 阅读 · 0 评论 -
What are definitions of Model, Inference and Algorithm and its associations ?
1、拿初中的二元一次方程来说明:1.1)说model就好比一元二次方程,它是个方程模型;1.2)再说inference是求解该方程的某种方法——加减消元法(重在推理);1.3)最后说algorithm是我们具体的求解步骤。2、一篇完整的学术论文阐述内容顺序为:2.1)模型Model(你建立的,the most important and difficult)2.2)推理Inference原创 2015-06-13 15:56:35 · 700 阅读 · 0 评论 -
java转换文本文件到xlsx(自制缓冲区,无需先验文件行数)
【0】README0.1)本文代码利用了 Apache POI 框架 建立 java 到 xlsx 代码的联系;0.2)本文自制缓冲区从文本文件中读取数据读取,无需先验文件行数;0.3)本文通过缓冲区大小创建数组,数组容量自动增加,该raw idea 来自于 tomcat 源码中在容器关联管道增加非基础阀的处理方式,包括Session池容量的增加也是这种处理方式;【1】如何原创 2016-05-19 14:26:42 · 1561 阅读 · 0 评论 -
7 Important Model Evaluation Error Metrics Everyone should know
reshipping from https://www.analyticsvidhya.com/blog/2016/02/7-important-model-evaluation-error-metrics/IntroductionPredictive Modeling works on constructive feedback principle. You b转载 2017-02-28 10:44:27 · 937 阅读 · 0 评论 -
机器学习指标大汇总
转自: http://www.36dsj.com/archives/42271作者:无影随想在使用机器学习算法的过程中,针对不同场景需要不同的评价指标,在这里对常用的指标进行一个简单的汇总。一、分类1. 精确率与召回率精确率与召回率多用于二分类问题。精确率(Precision)指的是模型判为正的所有样本中有多少是真正的正样本;召回率(Recall转载 2017-03-02 12:03:21 · 790 阅读 · 0 评论 -
模型评估与选择 ( Bias(偏差),Error(误差),和Variance(方差) )
转自: https://github.com/familyld/Machine_Learning/blob/master/02model_evaluation_and_model_selection.md机器学习中的Bias(偏差),Error(误差),和Variance(方差)有什么区别和联系? 参见 https://www.zhihu.com/question/27068705转载 2017-03-02 10:50:20 · 19945 阅读 · 0 评论 -
机器学习(周志华)- 第2章模型评估与选择笔记
转自: https://samanthachen.github.io/2016/08/03/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0_%E5%91%A8%E5%BF%97%E5%8D%8E_%E7%AC%94%E8%AE%B02/经验误差与过拟合错误率: 分类错误样本数占样本总数精度: 1 - 错误率误差:学习器事假预测输出样本与样本真实输出转载 2017-03-02 09:48:36 · 3930 阅读 · 1 评论 -
机器学习评价指标大汇总
在使用机器学习算法的过程中,针对不同场景需要不同的评价指标,在这里对常用的指标进行一个简单的汇总。(分类和拟合的评价指标,正好应用到本文的论文中,开心)一、分类1. 精确率与召回率精确率与召回率多用于二分类问题。精确率(Precision)指的是模型判为正的所有样本中有多少是真正的正样本;召回率(Recall)指的是所有正样本有多少被模型判为正样本,即召回。设模型输转载 2017-03-01 17:39:37 · 1004 阅读 · 0 评论 -
机器学习性能评估指标(综合性总结)
转自:http://charleshm.github.io/2016/03/Model-Performance/分类混淆矩阵1True Positive(真正, TP):将正类预测为正类数.True Negative(真负 , TN):将负类预测为负类数.False Positive(假正, FP):将负类预测为正类数 → 误报 (Type I error).F转载 2017-03-01 17:35:41 · 944 阅读 · 0 评论 -
这七种回归分析技术,学了不后悔
转自: http://dataunion.org/20514.html什么是回归分析?回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,时间序列模型以及发现变量之间的因果关系。例如,司机的鲁莽驾驶与道路交通事故数量之间的关系,最好的研究方法就是回归。回归分析是建模和分析数据的重要工具。在这里,我们转载 2017-02-28 22:06:43 · 1160 阅读 · 0 评论 -
分类算法中常用的评价指标
转自: 分类算法中常用的评价指标来自网络,备份勿忘!对于分类器(分类算法),评价指标主要有:1)Precision;2)Recall;3)F-score;4)Accuracy;5)ROC;6)AUC1.首先,介绍混淆矩阵的概念。混淆矩阵是监督学习中的一种可视化工具,主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别,每一列代表实例的真转载 2017-02-28 20:52:57 · 3008 阅读 · 0 评论 -
how to build a paper's architecture?
1. problem? what’s the problem? then do some extension of the problem.2. related works ,which means doing literature surveys.3. model , you can refer to existing models or build your new model4. infer原创 2015-06-13 16:02:44 · 804 阅读 · 0 评论