![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 54
码皇巅峰
这个人很懒,但是工作一定很忙
展开
-
生成清晰图像
生成清新图像:(attention is really becoming [all you need])1.利用卷积,提取清晰图像的像素2.华人博士生首次尝试用两个Transformer构建一个GAN构建一个GAN,又称为TransGAN特点:GAN,训练本身具有较高的不稳定性transformer编译器为基础块,并尽量最小程度的改变。编码器有两部件组成。第一部件:多头自注意力模块构成第二部件:GELU非线性的前馈 MLP(多层感知器)#在两个部件之前均使用归一化,残差连接内存友好的原创 2021-02-20 08:54:18 · 175 阅读 · 0 评论 -
马尔可夫判别器(PatchGAN)
马尔可夫判别器(PatchGAN)马尔可夫判别器的区别:1.基于CNN的分类模型有很多种,很多网络都是在最后引入了一个全连接层,然后将判别的结果输出。2.马尔可夫判别器是由卷积层构成,最后输出一个n*n的矩阵,最后取输出矩阵的均值作为True/False的输出。3.事实上,输出矩阵中的每个数据代表着原图中一个感受野,对应了原图的一片(patch),这样的GAN称PatchGAN.在图像风格迁移领域中——风格迁移分为两部分第一:内容部分是指生成图像和原图像在内容(语义)上的相似性第二:纹理部分是原创 2021-02-19 11:26:49 · 8755 阅读 · 0 评论 -
基于知识图谱的图神经网络预测药物与药物相互作用
药物间相互作用(DDI)预测是药理学和临床应用中一个具有挑战性的问题,在临床试验期间,有效识别潜在的DDI对患者和社会至关重要。药物间的相互作用(DDI)?答案:药物间的相互作用(DDI)是指同时或先后服用两种或两种以上药物时,药物之间所产生的相互作用,而该相互作用可能会导致意想不到的副作用。举个例子,在日常生活中,某人因睡眠不佳,服用了助眠药物,比如镇定剂。与此同时他又出现了过敏反应,需要服用治疗过敏的药物,比如抗组胺药。当两种药物混合服用,就可能会减缓大脑的反应。如果此人是从事车辆驾驶或者机械操作等原创 2021-02-18 15:01:14 · 1712 阅读 · 0 评论 -
基于文本语义的智能问答系统以及数据格式应用
基于文本语义的智能问答系统以及数据格式应用NLP: 基于文本语义的智能问答系统应用场景:智能语音交互,在线客服,知识获取,情感类聊天等常见的分类:生成型,检索型问答系统;单论问答,多轮问答系统;面向开放领域,特定领域的问答系统example:基于检索,面向特定领域的问答系统——智能客服机器人1. 传统客服机器人的搭建流程:思路一:需要将相关领域知识转化为一系列的规则和知识图谱弊端=[重度依赖"人工",换个场景,换个用户都需要大量的重复劳动]2. 基于语义理解的对话机器人搭建:思路二原创 2021-02-09 16:45:14 · 828 阅读 · 0 评论 -
2021年全国知识图谱与语义计算大会
第十五届全国知识图谱与语义计算大会第十五届全国知识图谱与语义计算大会(CCKS: China Conference on Knowledge Graph and Semantic Computing)由中国中文信息学会语言与知识计算专业委员会主办。全国知识图谱与语义计算大会源自中文知识图谱研讨会the Chinese Knowledge Graph Symposium (CKGS)和中国语义互联网与Web科学大会Chinese Semantic Web and Web Science Conference原创 2021-02-07 18:02:53 · 488 阅读 · 1 评论 -
基于知识图谱的推荐系统场景应用与前景解读
基于知识图谱的推荐系统场景应用与前景解读一:基于知识图谱的推荐系统-1.辅助系统做出精准的推荐结合推荐系统中用户与物品的交互数据,扩展用户和物品间的隐藏连通关系,从而更精准地建模用户偏好,提高推荐效果2.阐述了知识图谱如何给推荐结果提供可解释性,并总结了不同技术手段二:知识图谱的利用方式1.基于嵌入的方法方式:利用知识图谱中丰富的语义关系,来丰富物品,用户的表征。思路: @_One:图嵌入模块,可以学习知识图谱中实体和关系的表征思路:@_two:和推荐模块,以建模用户对物品的偏好重要侧重原创 2021-02-07 18:01:41 · 921 阅读 · 0 评论 -
多关系知识图谱表示学习
多关系知识图谱表示学习1.异质知识图谱研究的对象便是如何处理多关系知识图谱?个人理解:多relation知识图谱中modeling在做node表征时需要充分考虑relation,也就是边对于实体表征的作用2.如何合理充分结合node and relation信息提高表征能力?**answer:**RGCN是一个messages-passing[消息传递]=框架[R-GCN–Modeling Relation data with Graph Convolution networks]RGCN是专门原创 2021-02-07 17:57:45 · 362 阅读 · 0 评论 -
知识图谱预训练数据转化(附源码)
#encoding : utf8import jsonwith open(r’name’,‘r’,encoding=‘utf8’) as fr:with open(r’name1.txt’,‘a’,encoding=‘utf8’) as fw:for line in fr:data = line.split(’\t’)if(len(data) == 6):train_data = dict()train_data[‘entity1Pos’] = data[0].strip()train_d原创 2021-02-07 17:54:28 · 226 阅读 · 1 评论 -
人工智能本身也是一种新型基础设施
**2021中国人工智能应用趋势报告明确提出新基建助推人工智能应用迈入新阶段**新基建加速人工智能应用落地新冠疫情、经济增长放缓、竞争加剧等多重挑战下,企业加速应用人工智能进行智能化建设。新基建为人工智能发展提供数据、算力和算法三个层面的基础设施支撑;同时,新基建将拓展人工智能的应用场景。人工智能本身被定义为一种新型基础设施,将助力产业实现智能化;反过来,新基建又将推动人工智能产业化,为人工智能产业提供基础设施,助力人工智能场景落地。具体来看,新基建将在数据和算力、算法三个层面为人工智能提供基础设原创 2021-02-07 17:38:25 · 515 阅读 · 0 评论