迷失夜原-CSDN博客

原创基于注意力的机器翻译

目录一.基础知识1. 编码器—解码器（seq2seq）1.1编码器1.2 解码器1.3 训练模型2.束搜索2.1 贪婪搜索2.2 穷举搜索2.3 束搜索3.注意力机制3.1 计算背景变量3.2 矢量化计算3.3 更新隐藏状态3.4 发展二.机器翻译2.1 读取和预处理数据2.2含注意力机制的编码器—解码器2.2.1 编码器2.2.2 注意力机制2.2.3 含注意力机制的解码器2.3 训练模型2.4预测不定长

2024-06-22 10:05:15 1171

原创机器学习实验1——线性回归实验

链接：https://pan.baidu.com/s/1pNmQbPfeFOyRHMdyed4KIQ?1.采用数据集 “data/regress_data1.csv”进行单变量线性回归实验。2.借助matplotlib 画出原始数据分布的散点图（x=“人口”，y=”收益”）5.采用上述批量梯度下降法，优化单变量线性回归模型。（1）线性回归三大要素。（2）单变量线性回归。7.1 梯度下降函数。（3）多变量线性回归。6.定义梯度下降函数。

2024-06-12 22:25:14 914

原创基于分类算法的学习失败预警（机器学习课程期末设计报告）

通过对学习者的学习过程、学习日志、学习结果进行多维分析，综合判断学生的学习情况，能够提前发现存在失败风险的学生，对其进行系统干预和人工干预。学生失败风险需要分析学生历史学习情况，分析学生在班级中的学习情况，分析学生和标准学习过程的偏离，从横向纵向多维度进行分析。本课程设计的目的在于开发一个基于分类算法的学习失败预警系统。通过对学生的个人信息、学业成绩、课堂表现、课外活动等多维度数据进行分析，构建分类模型，识别出可能面临学习困难的学生，并提前发出预警。

2024-06-11 17:45:33 1512 3

原创使用简单MLP和CNN实现姓氏分类

多层感知器(MLP)被认为是最基本的神经网络构建模块之一。感知器将数据向量作为输入，计算出一个输出值。在MLP中，许多感知器被分组，以便单个层的输出是一个新的向量，而不是单个输出值。在PyTorch中，正如您稍后将看到的，这只需设置线性层中的输出特性的数量即可完成。MLP的另一个方面是，它将多个层与每个层之间的非线性结合在一起。最简单的MLP，如图2所示，由三个表示阶段和两个线性层组成。第一阶段是输入向量。这是给定给模型的向量。

2024-06-09 15:57:16 745

姓氏数据集（The Surname Dataset）

姓氏数据集，它收集了来自18个不同国家的10,000个姓氏，这些姓氏是作者从互联网上不同的姓名来源收集的。该数据集将在本课程实验的几个示例中重用，并具有一些使其有趣的属性。第一个性质是它是相当不平衡的。排名前三的课程占数据的60%以上:27%是英语，21%是俄语，14%是阿拉伯语。剩下的15个民族的频率也在下降——这也是语言特有的特性。第二个特点是，在国籍和姓氏正字法(拼写)之间有一种有效和直观的关系。有些拼写变体与原籍国联系非常紧密(比如“O ‘Neill”、“Antonopoulos”、“Nagasawa”或“Zhu”)。

2024-06-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 基于注意力的机器翻译

原创 机器学习实验1——线性回归实验

原创 基于分类算法的学习失败预警（机器学习课程期末设计报告）