自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

Norstc的博客

No one really seems to care. (人工智能、通信、数学)

  • 博客(215)
  • 收藏
  • 关注

转载 瑞利信道:从原理到实现

瑞利信道模型是无线通信信道最重要、最基础的的仿真模型。无线信道中的平坦衰落信道基本上都是在瑞利信道模型的基础上修改而成,比如应用同样广泛的莱斯信道就可以通过在瑞利信道的基础上简单的添加直流分量实现,而频率选择性衰落信道基本上都是几种平坦衰落信道叠加的结果。 小尺度平坦衰落信道中,由于移动体处于不断的运动状态,导致接收端接收到的是来自不同路径的多径信号。移动台的速率将会导致每条多径分量具有不同的多普勒频移,同时假设移动台接收的信号的入射角度在[ 0, 2π]间均匀分布。这样就产生了具有特定环境下的多普勒功率

2022-06-23 21:07:33 5882

原创 机器学习中的MR和MRR

设有一个test集,大小为M,对其进行分类,label的数目共有N个。那么预测结果共有M个,每个结果是对于N个label的评分,设第i个test目标的groud-truth排名为。MR(Mean Rank,平均排名):MRR(Mean Reciprocal Rank,平均倒数排名):可见,MR越小越好,MRR越大越好。MR的取值范围:MRR的取值范围:,(注意倒数,即1除以原数,而不是倒着数)举例:N=1000,M=10,eg1:排名结果是前9个都是1,最后一个是

2022-03-29 20:05:16 3630

原创 非欧几何简介 Non-Euclidean Geometry

一、欧几里得几何与欧几里得空间这里的欧氏几何描述二维平面的几何, 高维的欧氏几何叫欧几里得空间(三维欧氏几何叫做立体几何)。一句话概括,欧氏空间是欧氏几何在多维情况下的推广。所以欧几里得几何又叫平面几何(plane geometry)(两要素:二维、曲率为0),它基于五条公设:二、欧几里得几何与非欧几何俄罗斯数学家罗巴切夫斯基和匈牙利数学家波约指出,第五条平行公理不一定在所有的几何情况下都成立,并非几何真理,也就是三角形内角和不一定为180。基于“三角形内角≠180°”的几何学叫做非欧几

2022-03-01 10:30:58 9419

原创 剖析知识图谱:实体的出度与入度

Digging into KG: the indegree and outdegree of entity.零:前言知识图谱以三元组的方式存储知识,所有知识图谱的知识条目共同形成了一个由知识实体作为节点、实体间的关系作为边的图结构。所以本质上,知识图谱是一个图。相较于一般的图,知识图谱的结构往往具有一定的特殊性,这与其描述的一类知识相关。比如层级性:animal→hypernym→dog,animal→hypernym→cat层级性在数据结构上表现为树结构。在常见的公用数据集中,WN

2022-02-19 10:28:55 2681 3

原创 四元数:从复数到四元数

0、前言我们知道实数、复数的乘法都满足交换律,但是四元数(quaternion)的乘法却不满足交换律。这在物理上的意义是什么呢?其内部的数学道理是什么呢?1、四元数的定义四元数是复数的扩展...

2021-12-15 16:03:42 3839

原创 群论:同构 与 同态 (群同构 与 群同态)

0、前言群论中的同态和同构来描述两个群之间的相似关系关系从中文上粗略看,同构好像指相同结构,同态好像不好说。先上结论,从相似关系的程度来看:相同>同构>同态,即同态要求比同构更宽松,同构是一种特殊的同态。1、单射、满射、双射在了解同构和同态前,必须知道这双射这个概念。单射、满射、双射是三种映射的特殊情况。所谓映射就是非空集合X的元素x到非空集合Y的元素y的映射关系。单射(injection):每一个x都有唯一的y与之对应;满射(surjection):每一个y都必有至

2021-12-14 20:28:47 20907 2

原创 通俗理解概率密度函数

0、前言概率密度函数是描述连续随机变量的分布的工具,但是因为它是个“密度”,没有概率分布那么直观,下面就用通俗的说法理解概率密度函数。1、从离续变量出发1.1 离散随机变量对于离散随机变量,顾名思义,随机变量的取值是离散的,如:1.2 离散随机变量的概率分布指离散随机变量每个取值的概率,即:1.3 离散随机变量的累积分布函数定义为:表示随机变量的取值值小于等于自变量的值的概率的和。2.连续随机变量的概率分布2.1 连续随机变量连续随机变量即随机

2021-12-10 17:41:11 20412 1

原创 群论:李群(Lie Group)和几种经典李群

1 连续群的定义连续群,它的元素可由一组实参数表明,且这些参数中至少有一个在某一区域是连续的。设一个参数集合能标明所有群元素,且用的参数数量最少,则参数个数r叫做连续群的维数。例1:所有实数的集合就是一个连续群,因为本身是一个群,且我们可以用一个连续参数表示上的任意元素,更进一步,是一个无限连续阿贝尔群。由于连续变化的参数可以描述无限个元素,所以拓扑群一定是无限群。例2:线性变换构成的集合是一个拓扑群。例3:n个变量构成的齐次线性变换是一个拓扑群,记作,其包含个参数。.

2021-12-02 09:42:22 4895

原创 连续群 与 拓扑群

1 连续群的定义连续群,它的元素可由一组实参数表明,且这些参数中至少有一个在某一区域是连续的。设一个参数集合能标明所有群元素,且用的参数数量最少,则参数个数r叫做连续群的维数。例1:所有实数的集合就是一个连续群,因为本身是一个群,且我们可以用一个连续参数表示上的任意元素,更进一步,是一个无限连续阿贝尔群。由于连续变化的参数可以描述无限个元素,所以拓扑群一定是无限群。例2:线性变换构成的集合是一个拓扑群。例3:n个变量构成的齐次线性变换是一个拓扑群,记作,其包含个参数。.

2021-12-01 21:47:38 1833

原创 群论:变换群

1. 变换群及其定义群的本质是集合,集合的元素除了数值以外也可以是集合、数对、变换、函数等等。当群的元素是变换时,称作变换群 (transformation group)。变换实际是一个函数,一个一元变量的变换作用于x可以写作表示变换函数有n个参数,。后文用T及其参数表示一个变换。变换的乘积就是两个变换先后作用于变量给定两个变换它们对应函数,那么有:据此可以证明变换群的封闭性、满足结合律、包含单位元、包含逆元的性质。2. 举例例1:复数旋转变换考虑一个复数旋转

2021-12-01 16:25:35 7398

原创 群论:群的定义与阿贝尔群

1. 群 (Group) 的定义:群就是定义了二元运算(称为群乘法)且满足下列条件的非空集合:(1) 封闭性:对,满足.(2) 结合律:对,满足.(3) 单位元:存在唯一单位元素使得对由.(4) 逆元:对存在唯一逆元使得.可以看到群运算不要求满足交换律,额外满足交换律的群被称为阿贝尔群(Abel Group)或交换群。根据群中元素的个数分为有限群和无限群。2.群的讨论可以看到群是一个集合,而且必须要定义群乘法。我们可以自己构建一个有限群:,可知G一定满足.

2021-11-30 15:48:18 10741

原创 常用知识图谱数据集FB15K, YAGO, WN18

一 FB15K-237FB15k-237共14541个实体,237种关系,它是FB15K的子集,FB15K又是Freebase数据集的子集详细见:FB15K-237知识图谱数据集的介绍与分析,Freebase二 WN18rrWN18rr是从WordNet抽取的子集,共40943个实体,11种关系。关系列表如下:0 _hypernym1 _derivationally_related_form2 _instance_hypernym3 _also_see4 _member

2021-10-28 22:16:39 15593 1

原创 贝叶斯模型 MLE与MAP

零、前言:模型估计问题的总结模型分为确知模型与概率模型。确知模型的输出是一个确定的值,如:买x斤苹果,每斤苹果2元,总价值为y=2x;而概率模型输出的是自变量的概率,如:一个不均匀的四面体骰子,出现对应点数的概率和点数的大小相关,P(x)=y=0.1x。我们这里主要讨论概率模型在这里首先规定符号:假设是iid的一组抽样,并记作模型是对数据的描述,用一些参数和变量及它们的数学关系刻画,记作,其中X代表自变量向量,θ代表参数向量。概率模型的估计问题就是我们确定一个模型的形式,

2021-09-27 22:13:34 869

转载 知识图谱嵌入KGE 之 高斯嵌入模型

作者:AI科技评论链接:https://zhuanlan.zhihu.com/p/80149671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。KG2E模型。He等人认为,知识库中的关系和实体的语义本身具有不确定性,而过去模型中都忽略这个因素。因此,He等人提出KG2E,使用高斯分布来表示实体和关系。其中高斯分布的均值表示的是实体或关系在语义空间中的中心位置,而高斯分布的协方差则表示该实体或关系的不确定度。图3为KG2E模型示例,每个圆圈代表不同实体与关系的.

2021-09-23 18:23:35 1117

原创 代码解析:Multi-Hop Knowledge Graph Reasoning with Reward Shaping

代码地址:MultiHopKG主文件:experiment.py主循环路径:experiment.py→main()→run_experiment(args)→train(lf)→run_train(train_data, dev_data)→learn_framework.py→run_train(self, train_data, dev_data)→ forward(dev_data)→self.predict(mini_batch)→pg.py→...

2021-09-10 15:40:22 528

原创 python与pytorch中的冒号“:”的用法

冒号的作用是按一定标号取list的部分元素给定列表a,那么a[st:ed]表示取标号从st到ed-1的所有元素,即[st,ed)如果没有给定st或者ed就表示没有给的st默认为0,ed默认为len(a)即a[st:]表示取从st开始的所有元素;a[:ed]表示从0取到第ed-1个元素...

2021-09-06 09:29:54 7226

原创 FB15K-237知识图谱数据集的介绍与分析,Freebase

FB15k是知识图谱Freebase的子集。整个Freebase知识图谱共有19亿个三元组,如下图。而FB15k是从Freebase中取出一小部分主题词组成的数据集,它的统计数据如下:主题词总数 14505 三元组总数 544230 关系的种类数 474 每个主题词的平均三元组数 37.5 注:FB15k存在着正反关系,他们意义相同,指向相反。上表的统计数据中,将一对正反关系视为两种不同的关系。...

2021-09-06 07:56:07 17706 2

原创 知识图谱 Freebase 的基本概念

本文简单介绍使用 Freebase 需要了解的基本术语和概念。 注意,Freebase 是已经被废弃的知识库,但是目前的科研工作大部分基于此知识库。一、图 GraphFreebase 的数据被存储在一个叫做图的数据结构中。一个图由边连接的结点组成。在 Freebase 中,结点使用 /type/object 定义,边使用 /type/link 定义。通过以图的形式存储数据,Freebase 可以快速遍历主题(topic)之间的任意连接,并轻松添加新的模式(schema),而无需改变数据的结构。

2021-08-31 20:18:08 3755

原创 linux关于安装tar、tar.gz、tar.xz等文件的贴士

Step 1:解压文件至当前目录Step 2:cd到解压后的文件夹Step 3:执行一系列命令:一般是./configuremakesudo make install注意:执行命令实质是运行解压后文件夹的某些文件,所以配置文件有可能不是configure,不过一般都是configure,有的是config,具体还要看解压后文件内部和安装指令;安装不同版本的包时最好选择较为贴近你linux系统版本年份的包,以减少安装时报错的可能。如我的linux时ubuntu 16.04,选

2021-08-23 20:07:29 5875

转载 Python的小括号( )、中括号[ ]和大括号{}分别代表什么?

python语言最常见的括号有三种,分别是:小括号( )、中括号[ ]和大括号也叫做花括号{ },分别用来代表不同的python基本内置数据类型。1、python中的小括号( ):代表tuple元组数据类型,元组是一种不可变序列。>>> tup = ( 1 , 2 , 3 ) >>> tup ( 1 , 2 , 3 ) 2、python中的中括号[ ],代表list列表数据类型:>>> list ( 'py

2021-08-16 22:21:15 11944

转载 DBpedia +Sparql快速入门

知识图谱分为科学知识图谱和Google知识图谱,前者就是根据论文分析作者、作者单位、关键字之间的关联关系。后者google把分词技术、贝叶斯分类等算法引入,对各种内容进行关联建库。其实都差不多!DBpedia是一个开源库,把Wiki百科的内容抽取,其实只是抽取一部分,也比较乱,不过也没有比它好太多的东西。开源,往往就是凑合——文化人叫做抛砖引玉!DBpedia有个sparql查询接口,https://dbpedia.org/sparql,有啥用呢?我觉得用于测试和学习sparql挺好。它有个关键字“

2021-07-11 20:27:49 2637

转载 HotpotQA 多跳问答数据集 Multi-hop QA

论文地址:HOTPOTQA: A Dataset for Diverse, Explainable Multi-hop Question Answering论文来源:EMNPL 2018问题介绍:问答(QA)的任务提供了一种可量化和客观的方法来测试智能系统的推理能力。而很多数据集却有以下不足,一,一些数据集主要关注在单段落,单文档,单跳的推理能力测试;二,基于知识库的数据集结构受限,问题与回答多样性弱;三,数据集中只有问题与回答,缺少对支持事实的标注,很难学习推导过程与可解释的预测。作者制作了一

2021-07-07 20:14:14 1706

转载 知识图谱问答(KBQA)数据集介绍

一、WebQuestions提出该数据集的论文:Semantic Parsing on Freebase from Question-Answer Pairs数据集地址:https://worksheets.codalab.org/worksheets/0xba659fe363cb46e7a505c5b6a774dc8aWebQuestions数据集(2013年提出)是由斯坦福大学研究人员通过Google Suggest API构建得到的,数据集本身共包含5810条(问题,答案)对,其中简单问题

2021-06-27 16:37:12 1536

转载 什么是语言模型?

作者:忆臻链接:https://zhuanlan.zhihu.com/p/28080127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。简单地说,语言模型就是用来计算一个句子的概率的模型,也就是判断一句话是否是人话的概率?那么如何计算一个句子的概率呢?给定句子(词语序列)它的概率可以表示为:可是这样的方法存在两个致命的缺陷:參数空间过大:条件概率P(wn|w1,w2,..,wn-1)的可能性太多,无法估算,不可能有用; 数据稀疏严重:对.

2021-06-25 10:35:47 8731

转载 知识图谱最新权威综述论文解读:知识图谱应用部分

零、总述论文标题:Translating Embeddings for Modeling Multi-relational Data

2021-06-25 08:41:58 757

转载 什么是图像上的频率?

作者:耳东陈链接:https://www.zhihu.com/question/20099543/answer/13971906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。首先说说图像频率的物理意义。图像可以看做是一个定义为二维平面上的信号,该信号的幅值对应于像素的灰度(对于彩色图像则是RGB三个分量),如果我们仅仅考虑图像上某一行像素,则可以将之视为一个定义在一维空间上信号,这个信号在形式上与传统的信号处理领域的时变信号是相似的。不过是一个是定义在空间域上的.

2021-06-15 15:25:54 6024 3

原创 Unity3d相关资源网站

《Unity 3D游戏客户端基础框架》 protobuf网络框架

2021-05-23 05:57:22 251

转载 分布表示 (Distributed)——对比独热表示 (one-hot)

一、概念二、原理*非分布表示(独热表示)*分布式表示表示新种类:三、对比

2021-04-30 16:49:44 1142 1

转载 np.random.seed()函数

一、功能np.random.seed(n)函数用于生成指定随机数。二、参数把seed()中的参数比喻成“堆”;eg. seed(5):表示第5堆种子。三、代码实例seed()中的参数被设置了之后,np.random.seed()可以按顺序产生一组固定的数组,如果使用相同的seed()值,则每次生成的随机数都相同。如果不设置这个值,那么每次生成的随机数不同。但是,只在调用的时候seed()一下并不能使生成的随机数相同,需要每次调用都seed()一下,表示种子相同,从而生成的随机数相同。

2021-04-28 22:02:30 14937 2

原创 距离 / 相似性 度量方法

1. 距离的严格定义距离的定义:在一个集合中,如果每一对元素均可唯一确定一个实数,使得三条距离公理(正定性,对称性,三角不等式)成立,则该实数可称为这对元素之间的距离。在机器学习领域,被俗称为距离,却不满足三条距离公理的不仅仅有余弦距离,还有 KL 距离,也叫作相对熵,它常用于计算两个分布之间的差异,但不满足对称性和三角不等式。2. 常见距离闵可夫斯基距离 欧里几德距离 曼哈顿距离 切比雪夫距离 马氏距离 余弦相似度 皮尔逊相关系数 汉明距离 杰卡德相似系数 编辑距离 D

2021-04-26 15:27:12 345

转载 深度学习之:什么是流形(manifold)?流形空间,流形学习

作者:麋路链接:https://www.zhihu.com/question/24015486/answer/194284643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。流形学习的观点是认为,我们所能观察到的数据实际上是由一个低维流形映射到高维空间上的。由于数据内部特征的限制,一些高维中的数据会产生维度上的冗余,实际上只需要比较低的维度就能唯一地表示。举个例子,比如说我们在平面上有个圆,如何表示这个圆呢?如果我们把圆放在一个平面直角坐标系中,那一个圆实际.

2021-04-04 21:41:46 22832 8

原创 WordNet介绍,一个开放知识图谱

1 WordNet简介传统词典一般都是按字母顺序组织词条信息的,这样的词典在解决用词和选义问题上是有价值的。然而,它们有一个共同的缺陷,就是忽略了词典中同义信息的组织问题。20世纪以来,语言学家和心理学家们开始从一个崭新的角度来探索现代语言学知识结构以及特定的词典结构,终于由Princeton大学研制成功了一个联机英语词汇检索系统—WordNet,它作为语言学本体库,同时又是一部语义词典,在自然语言处理研究方面应用非常广泛。WordNet与其他标准词典最显著的不同在于:它将词汇分成五个大类:名词、.

2021-03-31 17:12:01 6827 1

原创 【通俗易懂的通信】什么是边缘计算?(Edge Computing)

导读:边缘这个词在物联网的世界里被赋予了新的定义,特指在设备端的附近,所以根据字面定义,边缘计算即在设备端附近产生的计算。2019年5G 概念爆发以后,边缘计算的概念也被迅速推广普及,在写作本文的这段时间里,凡和边缘计算沾边的上市公司股价均多日涨停,关于边缘计算的文章阅读量暴增几倍。到底是怎样的魔力,让大家突然间关注边缘计算,而这个概念下的产品又有怎样的功能和应用场景,谁又在这个万亿级别的市场中已经掌握先机?本文就以上问题给读者一个通俗易懂的解释。作者:菁兮链接:https://zhuanlan.

2021-03-30 08:24:56 17420 2

转载 802.11n和802.11ac的MCS速率表

一.802.11n在双天线时,最高可达到300Mbps。红色是常听到和接触到的速率二.802.11ac最高可达6.928G,常用6.9G表示

2021-03-12 16:49:23 5412

转载 MCS简介

调制与编码策略(Modulation and Coding Scheme),简称MCS,主要实现802.11n射频速率的配置。在802.11a/b/g时代,配置AP工作的速率非常简单,只要指定特定radio类型(802.11a/b/g)所使用的速率集,速率范围从1Mbps到54Mbps,一共有12种可能的物理速率。到了802.11n时代,由于物理速率依赖于调制方法、编码率、空间流数量、是否40MHz绑定等多个因素。这些影响吞吐的因素组合在一起,将产生非常多的物理速率供选择使用。比如基于Short GI、40

2021-03-12 16:03:34 8169

原创 GCN与图谱理论(四):图滤波器

图滤波器定义为对给定图信号的频谱中各个频率各个频率分量的强度进行增强或衰减的操作。

2021-02-22 19:53:20 1672

原创 GCN与图谱理论(三):图的谱分析与图傅里叶变换

1.拉普拉斯矩阵的正交分解2.图傅里叶变换3.图傅里叶逆变换4.总变差5.图信号谱分析的直观理解

2021-02-21 16:47:05 2013

原创 GCN与图谱理论(二):拉普拉斯矩阵的数学原理

1.从散度出发2.散度的离散形式3.图的拉普拉斯矩阵4.总变差

2021-02-21 16:39:38 850

转载 MATLAB 函数之resample

resampleChange sampling rate by rational factorexpand all in pageSyntax用有理因子改变采样率y = resample(x,p,q)y = resample(x,p,q,n)y = resample(x,p,q,n,beta)y = resample(x,p,q,b)[y,b] = resample(x,p,q)Description描述y = resample(x,p,q) resamples the sequen

2021-01-10 22:46:47 4196

转载 各种数据集总结 图像数据集 语音数据集

1.图像数据集:(1)MNIST:由纽约大学的Yann LeCun整理的手写数字(0-9)数据集,图片大小为28*28,包含60000个训练集,10000个测试集,广泛用于机器学习的测试和训练。(2)cifar:由加拿大先进技术研究院的AlexKrizhevsky等收集的小图片数据集。包含CIFAR-10和CIFAR-100两种, 图片大小为32*32。cifar-10共10个分类。50000张训练,10000张测试。CIFAR-100包含100个类别,每个类别600张图像,其中500张用于训练,1

2020-12-30 08:52:27 1903

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

提示
确定要删除当前文章?
取消 删除