- 博客(20)
- 收藏
- 关注
RSS订阅原创 流体力学深度学习建模技术研究进展
首先，对深度学习技术所涉及的基本理论做了介绍，阐释流场建模中常用深度学习方法背后的数学原理。以深度学习技术为代表的人工智能技术本身仍处于发展阶段，过去几年在各行各业取得了令人瞩目的成就，这显示出深度学习技术的强大潜力。流体力学深度学习技术方兴未艾呈现出百花齐放的良好局面，但目前正处于起步和探索阶段，与工业界对该技术的能力期望有较大差距，这需要科研工作者的共同努力。以深度学习技术为代表的人工智能技术本身仍处于发展阶段，过去几年在各行各业取得了令人瞩目的成就，这显示出深度学习技术的强大潜力。
2022-09-16 12:09:22
804
原创 Transfer Learning核心技术研修
国务院关于印发新一代人工智能发展规划的通知》指出：“新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。..
2022-08-05 10:44:21
209
原创 《大数据建模、分析、挖掘技术》
1.机器学习流程组件：StringIndexer、OneHotEncoder、VectorAssembler 等2.使用 Spark ML Pipeline 机器学习流程分类程序设计。来自中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研 及工程技术经验，长期从事机器学习、数据挖掘、大数据分析等领域的教学与研究工作。1.Hadoop 项目结构2.Hadoop 安装与使用3.Hadoop 集群的部署与使用。b、互联网微博日志分析系统项目1.推荐系统项目实践。...
2022-08-03 09:43:02
285
原创 面向大规模分析的多源对地观测时空立方体
因此，本文提出了一个面向大规模分析的多源对地观测时空立方体，相较于现有的数据立方体方法，强调多源数据的统一组织、基于云计算的立方体处理模式以及基于人工智能优化的立方体计算。研究有助于构建时空大数据分析的新框架，同时建立与商业智能领域的数据立方体关联，为时空大数据建立统一的时空组织模型，支持大范围、长时序的快速大规模对地观测数据分析。地球系统数据立方体是一个面向多源栅格数据的基础设施，该立方体将数据源作为一个维度，将多源栅格数据组织在一个统一分辨率和坐标系统的立方体中，有助于多源栅格数据的联合分析。...
2022-08-02 10:33:27
564
1
原创 迁移学习(Transfer Learning)核心技术开发与应用研修
1.深入了解神经网络的组成、训练和实现，掌握深度空间特征分布等关键概念；2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；3.握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法；4.掌握深度迁移学习的网络结构设计、目标函数设计的前沿方法，了解迁移学习在PDA、Source-Free DA上的应用；5.掌握深度迁移学习在语义分割、目标检测、行人重识别等任务中的应用，学习图像/视频风格迁移方法，了解风格迁移在实际生活中的应用；6.掌握小样本学习、Transfo
2022-08-01 19:47:30
110
原创 关于举办“迁移学习(Transfer Learning)核心技术开发与应用研修班”的通知
国务院关于印发新一代人工智能发展规划的通知》指出“新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。...
2022-07-30 10:21:59
128
原创 遥感数字图像处理
这些误差的存在，往往满足不了制图的精度要求，这就需要采用遥感数字图像处理方法———投影转换和几何校正的方法消除或限制各种误差或畸变，把中心投影的图像变为正射投影的、具有较高精度的、适当比例尺的地图。为此，我们必须通过遥感数字图像的处理方法———图像增强或辐射误差校正，突出所需信息（称目标物）与背景的差异，减少辐射误差或噪声，提高图像的清晰度和可判读性，以便快捷、准确判读或提取所需信息，确保判读结果的可靠性和准确性。１．图像信息损失低，处理的精度高。...
2022-07-29 10:22:21
2291
原创 计算机视觉与信息取证讲解
因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现像人那样能识别和理解任何环境，完成自主导航的系统。如在以下的章节中会看到的那样，对人类视觉处理机制的研究将给计算机视觉的研究提供启发和指导。因此，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的。的作用，但并不意味着计算机必须按人类视觉的方法完成视觉信息的处理。今晚2000-2200。...
2022-07-27 11:40:48
97
原创 《计算机视觉与信息取证攻与防之间关系》
以DSP为核心的硬件系统，本视频监控记录系统实现了智能化的嵌入式脱机工作，实现数字图像的采集，并进行相应的算法处理和软件压缩处理，然后拷贝至外存中供用户取证。硬件系统主要由多媒体处理模块、图像编解码模块、外部存储器模块以及电源模块等组成，硬件系统框架见图像处理芯片采用TI公司的DSP-TMS320DM642芯片，它具有高速的DSP并行处理内核，主频达到600MHz，计算能力达4800MIPS；由于监控算法巧妙，普通的SD卡即可替代传统的硬盘，系统精简，使用方便。...
2022-07-26 11:32:59
1077
1
原创 大数据建模、分析、挖掘技术应用
各省市、自治区从事大数据分析、数据挖掘、数据处理、数据建模等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及大数据研究广大爱好者。来自中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事机器学习、数据挖掘、大数据分析等领域的教学与研究工作。...
2022-07-22 11:51:44
745
原创 迁移学习(Transfer Learning)核心技术开发与应用
各省市、自治区从事人工智能、机器学习、深度学习、迁移学习、计算机视觉、自然语言处理、语音识别、图像处理、小样本分析等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及深度迁移学习广大爱好者。来自中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事深度学习、迁移学习、计算机视觉等领域的教学与研究工作。2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；...
2022-07-21 12:10:54
790
原创 递归神经网络（RNN）
RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKeykeyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。由于RNN可以按顺序处理数据，因此可以使用不同长度的向量并生成不同长度的输出。状态向量在处理评论中的下一个单词时传递给模型，并生成新的状态向量。到现在为止，我们只是了解了RNN的功能，但并不知道它是如何工作的。两个英文句子，用同样的单词，但只有考虑单词的顺序时，它们才意味着不同的含义。...
2022-07-20 09:42:08
247
原创 深度强化学习核心技术开发与应用
各省市、自治区从事人工智能、机器学习、计算机视觉、自然语言处理、无人机、无人艇、无人车、机器人、智能体、多智能体、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及强化学习、人工智能广大爱好者。5、掌握强化学习应用领域GymRetro游戏平台、机器人控制、计算机视觉、自然语言处理。（http//www.zgyxdjy.com）联合北京龙腾亚太教育咨询有限公司。6、实现Gym、Ray仿真环境。...
2022-07-19 11:32:09
570
原创 序列数据和文本的深度学习
词向量是在深度学习算法所解决的问题中，一种非常流行的用于表示文本数据的方式。将生成的token映射到数字向量有两种流行的方法，称为独热编码和词向量（wordembedding，也称之为词嵌入）。在数据太少时学习词向量可能是行不通的，在这种情况下，可以使用由其他机器学习算法训练好的词向量。独热表示的问题之一就是数据太稀疏了，并且随着词表中唯一词数量的增加，向量的大小迅速增加，这也是它的一种限制，因此独热很少在深度学习中使用。比如传如的单词的索引是2，那么向量在索引2处的值是1，其他索引处的值全为0。...
2022-07-15 09:36:53
262
原创 机器学习基础
机器学习基础本章涵盖了以下主题：请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时间）问题。所有这些都是有监督学习的例子，目的是找到训练样例和目标之间的映射关系，并用来预测未知数据。有监督学习只是机器学习的一部分，机器学习也有其他不同的部分。以下是3种不同类型的机器学习：下面详细讲解各种算法。在深度学习和机器学习领域中，大多数成功用例都属于有监督学习。本书
2022-07-11 09:52:41
219
原创 深入了解神经网络
本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：上一章已经介绍了训练深度学习算法需要的几个步骤。1．构建数据管道。2．构建网络架构。3．使用损失函数评估架构。4．使用优化算法优化网络架构的权重。上一章中的网络由使用PyTorch数值运
2022-07-08 10:09:14
83
原创 使用深度学习进行图像分类
解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。...
2022-07-07 12:01:24
2767
原创 PyTorch已为我们实现了大多数常用的非线性激活函数
PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。上一章中，我们使用了简单的方法，因而可以只关注深度学习算法如何工作。后面将不再使用这种方式构建架构，而是使用PyTorch中正常该用的方式构建。1．Py
2022-07-05 15:08:21
141
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人