- 博客(34)
- 收藏
- 关注
RSS订阅原创 matlab中数据拟合
两种方法1.工具箱使用步骤（更详细）输入待拟合的变量x输入待拟合的变量y输入cftool进入可视化操作界面. 之后便进入拟合工具箱其中左下角方框有一系列拟合参数的结果例如自定义函数2. matlab代码%自定义拟合函数f(t)=a*cos(k*t)*exp(w*t)clc,clearsyms tx=[0;0.4;1.2;2;2.8;3.6;4.4;5.2;6;7.2;8;9.2;10.4;11.6;12.4;13.6;14.4;15];%列向量x1 = [0.042;0.
2021-02-04 13:49:57
1153
原创 国内源地址
国内源地址中国科技大学： https://pypi.mirrors.ustc.edu.cn/simple/阿里云： http://mirrors.aliyun.com/pypi/simple/豆瓣(douban)： http://pypi.douban.com/simple/清华大学： https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学 ：http://pypi.mirrors.ustc.edu.cn/simple/科大放两个以显示其更好pip
2021-01-15 14:43:57
8860
原创 latex使用技巧之引用文献
北京大学李东风老师的LaTeX排版心得：链接windows版本CTEX下载：链接在线将表格转化为latex代码：链接参考文献在latex中使用方法：链接
2020-09-02 22:42:14
657
原创 latex使用技巧之图片放置
图片位置放置，双栏排版\begin{figure*}[tbp] \centering %使插入的图片居中显示 \includegraphics[height=4cm ,width=18cm,angle=0]{figure1.png} \caption{data acquisition board} %插入图片的标题，一般放在图片的下方，放在表格的上方 \label{fig1}%标注该图片，用于在文章内引用\end{figure*}\begin{figure}[h] \centering %
2020-09-02 11:06:53
4342
原创 实用技巧 - trick1
多分类下准召f1优化简单地说就是如果多类别不均衡的话，这时候直接使用神经网络优化交叉熵损失得到的结果，f1显然不是全局最优的，很多同学都会问，二分类下的阈值搜索我会，如果是多分类怎么做一个阈值搜索呢？传统的多分类我们预测结果使用argmax(logits)这时候，可以形式化的表达为求argmax(w*logits)使得f1均值最大。其中w就是要求得的再放缩权重。 我们可以使用非线性优化的方法，求解这个问题，scipy的库里有很多实现了。有序关系的离散标签优化我们经常遇到这样的问题，比如情感打分预测1-
2020-07-15 15:28:03
390
原创 Precision、Recall、F1-Score、Micro-F1、Macro-F1描述
TP、FP、FN、FPTP、True Positive 真阳性：预测为正，实际也为正FP、False Positive 假阳性：预测为正，实际为负FN、False Negative 假阴性：预测与负、实际为正TN、True Negative 真阴性：预测为负、实际也为负。【一致判真假，预测判阴阳。】例程：首先看真阳性：真阳性的定义是“预测为正，实际也是正”，这个最好理解，就是指预测正确，是哪个类就被分到哪个类。对类A而言，TP的个位数为2，对类B而言，TP的个数为2，对类C而言，TP的
2020-07-15 15:27:04
555
原创 nlp-transformer
需要学习的知识点：Transformer中的encoder是干嘛的？怎么做的？Self的计算方式向量化计算多头注意力组合多头生成的z整个流程的简介多头注意力实际解释位置编码是什么？实例解释直觉上理解Batch Normalization 针对多个样本的同一维度的输出值；Layer Normalization 针对一个样本各个维度的输出值；Tr...
2020-03-06 10:37:38
182
原创 稀疏贝叶斯相关代码和论文
论文：Structured Bayesian Gaussian process latent variable model: applications to data-driven dimensionality reduction and high-dimensional inversion 链接github：https://github.com/cics-nd/sgplvm-inverse内...
2019-12-25 11:14:05
2234
原创 Loaded runtime CuDNN library: 7101 (compatibility version 7100) but source was compiled with 7005解决
主要是cudnn版本不兼容问题：首先找到对应文件下cuda的位置：本人电脑配置有两个cuda一个适用与tf2.0及其以上版本， v10.0一个适用与tf2.0以下版本， v9.0其实这个版本不影响，主要是路径（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn）下的文件有影响：这里对应的是cudnn的不同版本，...
2019-11-25 17:09:47
293
原创 稀疏贝叶斯推断:基础之高斯与正态
摘要高斯分布，被誉为“上帝的分布”，具有强悍的建模能力和优美的数学性质，在现实中有广泛的作用。 由中心极限定理我们知道, 大量独立同分布的随机变量的均值在做适当标准化之后会依分布收敛于高斯分布, 这使得高斯分布具有普适性的建模能力；数学上, 当使用高斯分布对贝叶斯推断的似然和先验进行建模时, 得到的后验同样为高斯分布, 即其具有共轭先验性质。 在随机过程理论中, 多元高斯分布则是高斯过程的理论基...
2019-11-23 15:54:13
1238
原创 [keras使用出现] model.save() raise NotImplementedError 调节（ModelCheckpoint）函数
在更改resnet时保存最优模型出现的问题是因为在使用检查点时，默认还是使用了 paralleled_model.save() ，进而导致错误。为了解决这个问题，我们需要自己定义一个召回函数。三种方法：法一original_model = ...parallel_model = multi_gpu_model(original_model, gpus=n)class MyCbk(ke...
2019-11-21 09:27:55
1210
2
原创 胃不好，胃酸多，吃什么养胃？
养胃开场：古人云：治胃三七分，三分治，七分养。七分养应该在三分治的基础上进行，经全面检查确诊后进行系统治疗，并配合精神方面进行调养，才能达到理想的治疗效果。胃就像一部每天不停工作的机器，食物在消化的过程中会对黏膜造成机械性的损伤，保持有节制的饮食是治疗胃病的关键。另外，高度精神紧张也是胃病发生的重要原因，如司机、建筑工人、办公室工作人员等的胃病发生率都很高，所以这些人更应该保持良好的生活习惯及精...
2019-11-07 09:29:05
683
1
原创 keras自定义loss的两个例子
Lookahead和LazyOptimizer和AccumOptimizer转自：LookaheadLazyOptimizerKeras实现两个优化器用时间换取效果：Keras梯度累积优化器AccumOptimizerkeras inject#497keras/optimizers.pylookahead用法:model.compile(optimizer=Adam(1e-3)...
2019-09-01 21:25:27
1439
2
原创 Gram矩阵的意义
链接1：https://blog.csdn.net/wangyang20170901/article/details/79037867链接2：https://www.zhihu.com/question/49805962Gram Matrix实际上可看做是feature之间的偏心协方差矩阵（即没有减去均值的协方差矩阵），在feature map中，每一个数字都来自于一个特定滤波器在特定位置的卷...
2019-09-01 21:23:50
919
原创 keras之callback使用
来源于苏神： 让kereas更酷一些回调函数：保存最优模型在Keras中，根据验证集的指标来保留最优模型，最简便的方法是通过自带的ModelCheckpoint，比如checkpoint = ModelCheckpoint(filepath = '../best_model.weights',monitor = 'val_acc',verbose = 1,save_best_on...
2019-09-01 21:23:28
2239
1
原创 keras之自定义层和部分loss
层的自定义Keras中自定义层及其一些运用技巧，在这之中我们可以看到Keras层的精巧之处。基本定义方法在Keras中，自定义层的最简单方法是通过Lambda层的方式：from keras.layers import *from keras import backend as Kx_in = Input(shape=(10,))x = lambda(lambda x:x+2)(x_...
2019-09-01 21:20:30
3425
原创 tf.keras一些操作和问题（不断补充）
1. tf.keras下载的预训练模型位置：2.3.4.1. tf.keras下载的预训练模型位置：对于windows10，位置在：C:\Users\USER.keras\models
2019-08-31 22:42:57
439
原创 NLP:自回归（Autoregressive LM）与自编码语言模型（Autoencoder LM）
链接：https://zhuanlan.zhihu.com/p/70257427自回归根据上文内容预测下一个可能跟随的单词，就是常说的自左向右的语言模型任务，或者反过来也行，就是根据下文预测前面的单词，这种类型的LM被称为自回归语言模型。（GPT,ELMO）GPT 就是典型的自回归语言模型。ELMO尽管看上去利用了上文，也利用了下文，但是本质上仍然是自回归LM，这个跟模型具体怎么实现有关系。E...
2019-08-31 22:42:19
16298
1
原创 英语写作：常用句型
BeginningIn this paper, we focus on the need forThis paper proceeds as followThe structure of the paper is as followsIn this paper, we shall first briefly introduce fuzzy sets and related concept...
2019-08-31 22:41:27
1424
原创 英语写作: 替换词
经典替换词：individuals, characters, folks 替换 people , persons.positive, favorable, rosy, promising, perfect, pleasurable, excellent, outstanding, superior 替换 gooddreadful, unfavorable, poor, adverse, i...
2019-08-31 22:41:14
4407
原创 pd.merge合并两个dataframe
merge合并两个dataframe，import pandas as pd>>> df1=pd.DataFrame({'a':[0,0,0,0,1,1,1,1],'b':[0,0,1,1,0,0,1,1] ,'c':[1,2,3,4,5,6,7,8],'d':['h','i','j','k','l','m','n','o']})>>> df2=...
2019-08-31 22:40:41
1253
原创 总结陈丹琦博士论文（二）：NEURAL READING COMPREHENSION AND BEYOND
EEG reviewEEG review安装geopandas出现错误参考:geopandas
2019-04-17 21:30:34
763
原创 解决问题：pandas读取或者写入csv文件会多出现一列----Unnamed:0
注意：读取或者写入pandas文件时出现新的一列 'Unnamed:0'解决方案1：read_csv（）时候，设置index_col=0即可。pd.read_csv(path,index_col=0)解决方案2：to_csv()时候，设置index=False。或者加上index=True, index_label=“id”df.to_csv(path,index=Fals...
2019-03-22 09:00:36
14477
2
原创 总结陈丹琦博士论文（一）：NEURAL READING COMPREHENSION AND BEYOND
第一章：简介1.1 motivation1.2 thesis outline1.3 contributions1.1 motivation通过一篇简短的故事短文介绍了机器学习在阅读理解中需要做的事情和阅读理解对于评价一个模型有效性的地位。(1) part of speech tagging 词性标注(2) named entity recognition 命名实体识别(3) sy...
2019-03-18 13:27:34
3176
2
原创 机器学习：特征选择（feature selection）
特征选择这篇文章是关于机器学习中常用的特征选择的一个小结，整体上包括两部分简介常见方法Filter去掉取值变化小的特征（Removing features with low variance）单变量特征选择 (Univariate feature selection)Wrapper递归特征消除 (Recursive Feature Elimination)Em...
2019-03-11 18:35:28
86894
3
原创 模型可解释性
模型可解释性：使用机器学习可解释性工具解释心脏病原因四部分内容：简介数据模型解释总结1. 介绍纵观机器学习的所有应用，当使用黑盒子模型去进行重要疾病诊断时总是难以让人信服。如果诊断模型的输出是一系列的特殊治疗过程（可能有副作用），比如需要手术，或者不需要治疗，人们总想知道为什么会有这样的结果，想知道模型输出的原因。这个数据集包含了很多有心脏病和没有心脏病的样本，每个样本包含很...
2019-03-06 23:27:02
10592
2
原创 深度学习：LSTM简介
循环神经网络（Recurrent Neural Network,RNN）RNN是一种用于处理序列数据的神经网络。相比一般网络，他能够处理序列变化的数据。比如某个单词的意思会因为上下文提到的内容不同而有不同的含义，RNN就能够很好的解决这类问题。其主要形式如图所示：其中：x为当前状态下数据的输入，h 表示接收到的上一个节点的输入y为当前节点状态下的输出，h‘为传递到下一个节点的输出通过...
2019-03-01 16:44:07
16040
1
原创 深度学习：归一化
深度学习中的归一化批量归一化自归一化网络主要内容与结构主要内容：归一化问题结构：深度模型的激活函数激活函数导致的梯度消失sigmoidtanhreluELU批量归一化层输出对下一层的影响每一层的梯度都与来自前一层的输入有关。避免梯度消失批归一化+仿射变换层（线性层）：防止将那些本该在平坦区域却被我们归一化变换到梯度不平坦的区域带来的影响；同时保持网络稳定（让输入...
2019-02-24 09:50:43
762
原创 深度学习：卷积池化
参考july 7月CNN的卷积核是单层的还是多层的？一般来说，深度卷积网络是一层又一层的。层的本质是特征图，存储输入数据或其中间表示值。一组卷积核则是联系前后两层的网络参数表达体，训练的目标就是每个卷积核的权重参数组。描述网络模型中某层的厚度，通道数channel或者特征图feature map。不过人们更习惯把作为数据输入的前层的厚度成为通道数（如RGB通道数为3），把作为卷积输出的后层的...
2019-02-24 09:50:11
319
原创 Kaggle入门之基于CNN的数字识别
Digital RecognizerGang Ma9/10/20181. 介绍2. 数据预处理2.1 加载数据2.2 检查是否有null和缺失值2.3 标准化和归一化2.4 修改数据到指定维度2.5 编码标签----独热码2.6 划分训练集和验证集3. CNN3.1 定义模型3.2 定义优化器和自动调节学习率退火器3.3 数据增强4. 评估模型4.1...
2018-10-09 20:02:27
989
原创 GCForest Study1:GCForest理解
GCForestgcForest：南大周志华教授提出的新的决策树集成方法：决策树集成的集成；通过随机森林的级联结构学习。Multi-Grained Scanning：多粒度扫描 对原始特征进行转换：放大筛选拼凑，转化为类别概率向量作为输入特征Cascade Forest：级联森林 将输入特征经过级联森林，输出新的类别概率向量，将新的类别概率向量链接输入特征作为下一层输入，经过多个级...
2018-05-10 22:22:59
4676
1
原创 GCForest Study2:GCForest使用
gcForest参数说明shape_1X: 单个样本元素的形状[n_lines，n_cols]。 调用mg_scanning时需要！对于序列数据，可以给出单个int。n_mgsRFtree: 多粒度扫描期间随机森林中的树数量。window： int（default = None） 多粒度扫描期间使用的窗口大小列表。如果“无”，则不进行切片,window的选择决定了不同的粒度，...
2018-05-10 20:46:58
3935
8
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