机器学习
文章平均质量分 71
前方是海洋
由小白向资深小白努力
展开
-
时空数据与异常检测
2020四月 IEEE AccessHUAD: Hierarchical Urban Anomaly Detection Based on Spatio-Temporal Data(基于时空数据的分层城市异常检测)识别城市中的交通异常流情况,数据是出租车、地铁数据,其实验方法是将城市地图分成区块,用了时空信息,但是不是时空图,本质图是普通图。2019十月 IEEE AccessAnomaly Detection Based on Spatio-Temporal and Sparse Featu.原创 2021-07-13 21:39:01 · 1098 阅读 · 1 评论 -
组异常检测论文学习-Group anomaly detection in social media analysis
组异常检测三挑战:事先不知道异常组里的成员都有谁单独对个体进行检测时可能检测不出异常异常组中成员数量会随着时间变化前期知识贝叶斯法则其中P(A|B)是在B发生的情况下A发生的可能性。为完备事件组,即在贝叶斯法则中,每个名词都有约定俗成的名称:Pr(A)是A的先验概率或边缘概率。之所以称为"先验"是因为它不考虑任何B方面的因素。Pr(A|B)是已知B发生后A的条件概率,也由于得自B的取值而被称作A的后验概率。Pr(B|A)是已知A发生后B的条件概率,也由于得自A的取值而被称作B的后验原创 2021-07-13 21:38:23 · 305 阅读 · 1 评论 -
AAAI2021最佳论文InFormer阅读
本文根据作者在AIDrive上的分享和自己对论文的一些理解,整理而成。这篇论文主要解决长序列预测问题。作者认为以前的很多工作其实关注的是长序列输入学习问题(Long Sequence Input Learning Problem),更关心在输入上的表征,更注重加强模型在处理大量输入时的能力而长序列预测问题,更关心输出的准确性,最主要的事情是建立长序列输入和长序列输出的映射或者AttentionMotivation:为什么要选择注意力机制Attention机制在处理信息时不会关注全局信息,而是关原创 2021-07-13 21:37:58 · 523 阅读 · 1 评论 -
GNN相关论文tips
基于谱图理论(Spectral Graph Theory)发展而来的谱聚类相关算法[1],可以用来解决图的分割或节点的聚类问题。统计学习方法(Statistical Relational Learning)[2]将关系表示和似然表示相结合,区别于传统的机器学习算法对数据的独立同分布(independent and identicall distributed,数据对象是同类且独立不相关)的假设,统计关系学习打破了对数据的两种假设,对图数据的学习具有更好的契合度。异构信息网络(heterogeneous.原创 2020-09-23 16:32:46 · 231 阅读 · 0 评论 -
基于图神经网络的动态网络异常检测算法--论文阅读
原创 2020-09-16 17:22:08 · 1336 阅读 · 3 评论 -
网络表示初学习--节点嵌入 node embedding
Node Embedding四步骤根据在原空间中想求的相似关系,定义相似函数,但是有一个问题,如果我们已经知道在原空间中的相似关系,为什么还要映射到欧氏空间中?答:为了更适应深度学习等的处理方法,且原数据多为结构化数据,且维数过多。相似函数是最重要的!一般根据任务来选择设计。编码方式有两种:浅层(node2vec,DeepWalk,LINE…其实就是一个查询表,无法得到全局最优的结果)和深层。浅层嵌入方式(node2vec,DeepWalk,LINE,struc2vec)的区别是原始网络的相似原创 2020-06-03 21:20:44 · 4420 阅读 · 1 评论 -
数据预测之BP神经网络
BP神经网络用于预测主要有两种利用方法:根据自身已有的数据预测未来的数据;根据已知的属性,预测未知的属性。原创 2019-04-16 16:07:50 · 3838 阅读 · 0 评论 -
图像识别初学习
图像识别的过程:信息的获取预处理:包括A\D,二值法,图像的平滑、变换、增强、恢复、滤波等,主要指图像处理特征抽取和选择:在模式识别中,需要进行特征的抽取的选择。例如,一幅64*64的图像可以得到4096个数据,这种在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。分类器设计:分类器设计的主要功能是通过训练确定判决规则,使按此类判决规则分类时,错误率最低。分类决策:在特...原创 2019-04-18 21:43:23 · 755 阅读 · 0 评论 -
深度学习笔记(一):前期简单介绍
先修课程高等数学(偏导数)矩阵论(向量/矩阵操作与性质)概率论(常见分布、贝叶斯法则)与数理统计(均值、方差、最大似然)最优化编程经验(python、matlab)流程数据集划分step1.收集数据集,标记数据step2.拆分数据集训练集——训练模型,确定模型/网络参数验证/开发集——调整超参数(学习率,正则化参数等),选择特征,以及对学习算法做出其他决定测试集——...原创 2019-09-11 22:40:20 · 189 阅读 · 0 评论