![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 79
人工智能
一拳Marx
北京邮电大学
展开
-
【写博客常用】Colab & Pytorch神经网络基本构建
sequential依次的放入自己需要的layerinit定义网络结构forward是给定x算output的算gradient descent要把model.parameters丢进去才能更新model。原创 2023-04-07 11:55:54 · 990 阅读 · 0 评论 -
SelfKG代码阅读及相关工作
model中阅读layers_LaBSE_neighbor.py,是有关SelfKG on DBP15k。原创 2022-11-09 21:35:03 · 652 阅读 · 0 评论 -
实体对齐模型训练知识储备
浅层词嵌入,这一类PTMs范式是我们通常所说的“词向量”,其主要特点是学习到的是上下文独立的静态词嵌入,其主要代表为NNLM、word2vec(CBOW、Skip-Gram)、Glove等。方法,自监督学习主要是利用辅助任务从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督信息对网络进行训练,从而可以学习到对下游任务有价值的表征。多语言嵌入向量模型是一种功能强大的工具,可以将不同语言的文本编码到共享的嵌入向量空间,可应用于下游一系列任务,例如文本分类、聚类等,同时还能够利用语义信息理解语言。原创 2022-11-04 13:42:15 · 290 阅读 · 0 评论 -
自监督学习实体定位文献阅读及代码环境配置
在目标编码器上,采用的是动量更新参数的策略,也就是说他会使用在线编码器的梯度作为其更新的参数,但是其会大部分保留其原来的参数(动量大小一般设置为0.99)。再例如,把输入的图片均匀分割成3*3的格子,每个格子里面的内容作为一个patch,随机打乱patch的排列顺序,然后用打乱顺序的patch作为输入,正确的排列顺序作为label。对于来自两个kg的每个配对实体,现有学习目标的目标是,如果它们实际上是相同的实体(即正对),则使它们彼此更相似,否则,如果它们是不同的实体(即负对),则使它们不相似。原创 2022-10-29 14:43:11 · 605 阅读 · 0 评论 -
对话系统文献阅读
功能(1)自然语言理解:语义元组分类器(STC), MILU,BERTNLU(2)对话状态跟踪(DST)(3)词级对话状态(4)对话状态(5)自然语言生成(6)词级策略(7)用户策略(8)端到端模型(1)指标:F1,平均回合数(2)NLU组件的常见错误,如用户对话行为的混淆矩阵(3)对话策略预测的频繁无效、冗余和缺失的系统对话行为(4)自然语言生成系统对话框中产生的响应(5)对话循环的原因。对话循环是指用户不断重复相同的请求,直到达到最大回合数。这个结果显示了系统难以处理的请求。原创 2022-10-27 16:30:23 · 513 阅读 · 0 评论 -
【人工智能全栈学习-计算机视觉】语义分割和实例分割(看完就全懂了)
【人工智能全栈学习-图像分割】语义分割和实例分割(看完就全懂了)一、分割和检测的区别语义分割和实例分割交叉熵评估指标:IOU卷积网络可以做什么:提取特征二、图像分割算法U-net:解决小目标问题u-net在医学影像中表现好的原因U2−netU^2-netU2−netdeeplabDeeplab v1Deeplab v2Deeplab V31*1卷积核的作用:降维Resnet和VGGDeeplab V3理论部分R(2+1)DMask-Rcnn一、分割和检测的区别语义分割和实例分割语义分割:只区分类别,原创 2022-01-17 15:49:52 · 2407 阅读 · 0 评论 -
【人工智能全栈学习-情感分析】Bert(看完就全懂了)
【人工智能全栈学习-情感分析】Bert(看完就全懂了)TransformerBertword embedding:可以把词映射成更高维的向量,一个词往往对应一个向量,无法解决一个词多个意思TransformerBert使用transfomer的encoder部分可以看成一个黑盒,输入文本,会进行向量表示...原创 2022-01-14 17:39:34 · 679 阅读 · 0 评论 -
【人工智能全栈学习】机器学习基础知识——分类器和机器学习三大定律(看完就全懂了)
【人工智能全栈学习】机器学习基础知识——分类器和机器学习三大定律(看完就全懂了)一、问题二、人工智能全栈学习系列课程集成学习一、问题本章问题导读,如果面试前以下题目还有不会的建议看本篇文章二、人工智能全栈学习系列课程【人工智能全栈学习】机器学习基础知识——线性回归与逻辑回归(看完就全懂了)【人工智能全栈学习】机器学习基础知识——传统机器学习(看完就全懂了)【人工智能全栈学习-计算机视觉】Yolo系列(看完就全懂了)【人工智能全栈学习】机器学习基础知识——分类器和机器学习三原创 2022-01-07 20:09:25 · 1500 阅读 · 1 评论 -
【人工智能全栈学习-计算机视觉】Yolo系列(看完就全懂了)
【人工智能全栈学习-计算机视觉】Yolo系列(看完就全懂了)一、问题二、人工智能全栈学习系列课程三、Yolo V1One-Stage and Two-Stagemap和IOUYolo V1位置误差置信度Yolo V1局限性四、Yolo V2DropoutBatch Normalization:目的是处理隐藏层的不敏感问题本系列文章不可转载!!!一、问题本章问题导读,如果面试前以下题目还有不会的建议看本篇文章1.解释Batch Normalization,并阐述其作用二、人工智能原创 2022-01-06 14:31:06 · 1905 阅读 · 0 评论 -
【人工智能全栈学习】机器学习基础知识——传统机器学习(看完就全懂了)
【人工智能全栈学习】机器学习基础知识——贝叶斯原创 2021-12-30 13:31:55 · 792 阅读 · 2 评论 -
【人工智能全栈学习】机器学习基础知识——线性回归与逻辑回归(看完就全懂了)
【人工智能全栈复习】机器学习基础知识一、回归线性回归逻辑回归KL散度二、准确率和召回率一、回归线性回归mse:Mean squared error逻辑回归【推荐阅读】逻辑回归(logistics regression)原理-让你彻底读懂逻辑回归KL散度初学机器学习:直观解读KL散度的数学概念乘在左侧的加权是为了使这个值为期望值这里理解了好久,有点类似于概率论里的E(x)=p(x)*f(x)二、准确率和召回率T:TrueF:FasleP:PositiveN原创 2021-12-21 15:43:04 · 1304 阅读 · 0 评论 -
【人工智能-深度学习-图像识别】EfficientNet
【人工智能-深度学习-图像识别】EfficientNet入门提特征,backbone计算量B0的基础网络架构,调参调出来的:深度可分离卷积代码结构SE模块:注意力机制目标检测Zylo117完成的pytorch版本配置文件指定版本root_dir读入图像读入标注提特征,backbone14年VGG、15年ResNet…EfficientNet提取特征比较好,EfficientNet是当下比较好的backbone。分类、检测、分割都可以处理的比较好。网络结构是堆叠的,网络层数可以变多,结构可以变更复杂,原创 2021-10-27 10:36:40 · 1406 阅读 · 1 评论 -
【人工智能】CSP问题全解全练
【人工智能】CSP问题全解全练例题构建 CSP 框架地图上色问题国际象棋的八王后问题上课问题参考文献例题由计算工具解决的很大一部分问题都可以归类为约束满足问题(CSPs, constraint-satisfaction problems)。CSP 一般包含三个基本概念:变量(variables)、域(domains)和约束条件(constraints)。比如需要在星期五为 Joe、Mary、Sue 三个人安排一场会议,要求 Sue 必须和另外的至少一个人同时在场。针对此问题:Joe、Mary、原创 2021-09-30 14:19:30 · 3588 阅读 · 0 评论 -
【人工智能】马尔可夫链模型是什么?
【人工智能】马尔可夫链模型是什么?本篇文章为转载,下面为原文作者公众号我来试着回答下吧。(本文来自我的微信公众号:红猴子,一个工科生涨姿势的号)马尔可夫链 (Markov Chain)是什么鬼它是随机过程中的一种过程,一个统计模型,到底是哪一种过程呢?好像一两句话也说不清楚,还是先看个例子吧。先说说我们村智商为0的王二狗,人傻不拉几的,见人就傻笑,每天中午12点的标配,仨状态:吃,玩,睡。这就是传说中的状态分布。你想知道他n天后中午12点的状态么?是在吃,还是在玩,还是在睡?这些状态发生的概率分别都是多转载 2021-08-31 15:33:13 · 441 阅读 · 1 评论 -
【人工智能】模糊逻辑基本原理
【人工智能】模糊逻辑基本原理模糊逻辑基本原理相关参考文献模糊逻辑基本原理我们生活中,很多概念都无法用确定性的语言描述,多与少,高于矮,年轻与年老,这些都无法用具体的数值来进行衡量,也就是说我们生活中的很多概念都是具有模糊性的。模糊逻辑就是来解决这些模糊性的,模糊逻辑并不把一个命题直接分为真与假,在模糊逻辑中一个命题可以被称为“部分的真”。而对于真与假的归属,可以用隶属度来进行衡量。隶属度是[0,1]之间的一个取值,用来标识一个程度。模糊逻辑(Fuzzy Logic)是一种使用隶属度代替布尔真值的逻辑原创 2021-04-28 22:45:20 · 2580 阅读 · 0 评论 -
【人工智能二】深度学习期末复习提纲
【人工智能二】深度学习期末复习提纲模块一 浅层学习与深度学习实质模块二 卷积神经网络CNN模块二-1 卷积神经网络CNN 卷积层(相当于特征提取层,提取出来的叫特征图)模块二-2 模块填充(padding)模块二-3 步幅(stride)模块二-4 偏置模块二-5 批处理(batch_num)模块二-6 池化(pooling:最大池化或平均池化&池化的反向传播)模块二-7 过拟合模块二-8 激励层&激励函数模块三 模糊处理模块三-1 隶属模块三-2 模糊集合表示模块三-3 模糊集合运算模块原创 2021-06-16 14:05:00 · 1387 阅读 · 1 评论 -
【人工智能】史上最好懂Q-learning算法
【人工智能】史上最好懂Q-learning算法 本文是对 http://mnemstudio.org/path-finding-q-learning-tutorial.htm 的翻译,共分两部分,第一部分为中文翻译,第二部分为英文原文。翻译时为方便读者理解,有些地方采用了意译的方式,此外,原文中有几处笔误,在翻译时已进行了更正。这篇教程通俗易懂,是一份很不错转载 2021-03-28 22:15:18 · 276 阅读 · 0 评论 -
【人工智能】人工智能复习
人工智能复习原创 2021-01-18 12:27:58 · 251 阅读 · 0 评论 -
几种损失函数比较--代价函数,损失函数,目标函数区别
几种损失函数比较--代价函数,损失函数,目标函数区别 神经网络中激活函数的主要作用是提供网络的非线性建模能力,如不特别说明,激活函数一般而言是非线性函数。假设一个示例神经网络中仅包含线性卷积和全连接运算,那么该网络仅能够表达线性映射,转载 2021-01-06 12:43:17 · 335 阅读 · 0 评论 -
【人工智能】人工智能二——遗传算法的基本概念&遗传算法的基本算法(编码&群体设定&适应度函数&选择&交叉&变异&遗传算法步骤)&解决带约束的函数优化问题&多目标的遗传算法&遗传算法的改进算法
遗传算法及其应用——遗传算法的基本概念&遗传算法的基本算法(编码&群体设定&适应度函数&选择&交叉&变异&遗传算法步骤)&解决带约束的函数优化问题&多目标的遗传算法&遗传算法的改进算法遗传算法的基本概念遗传算法的产生与发展遗传问题求解过程编码形成初始群体(随机生成)计算适应度复制(将表中适应度小的完全替换为适应度大的)交叉(让适应度高的个体进行杂交,替换掉染色体中的某些部位)变异(会有事先给定的变异概率,随机改变字符串个体字符的原创 2020-11-09 14:06:00 · 3881 阅读 · 0 评论 -
【人工智能】人工智能一——知识的表示一阶谓词逻辑&产生式&框架
@Toc谓词谓词的一般形式:P(x1,x2,...,xn)P(x_1,x_2,...,x_n)P(x1,x2,...,xn)谓词名P:刻画个体的性质、状态或个体间的关系(谓词是一个整体的概括)。个体x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn:某个独立存在的事物或者某个抽象概念。例(1)个体是常量:(2)个体是变元:(3)个体是函数:(4)个体是谓词谓词公式连接词量词...原创 2020-11-08 21:54:10 · 6944 阅读 · 0 评论 -
【人工智能】机器学习西瓜书11——经验误差与过拟合,模型评估的方法,均方误差,错误率与精度,最优阈值
机器学习——西瓜书从头读到尾02欢迎使用Markdown编辑器欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。[1]:机器学习中的交叉验证法探究[2]: https://mermaidjs.github.io/[3]: https:/...原创 2020-04-12 13:58:27 · 1221 阅读 · 0 评论 -
【人工智能】机器学习西瓜书01——基本术语
机器学习——西瓜书从头读到尾01机器学习含义基本术语功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入机器学习含义研究...原创 2020-04-12 01:29:39 · 347 阅读 · 0 评论