学习笔记

【提示词模板】扣子官方提示词书写模板

【IEEE TDKE 2020】Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning

【AAAI 2017】Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction

Predicting Multi-step Citywide Passenger Demands Using Atention-based Neural Networks (基于注意力机制的神经网络多步预测全市客运需求)

【生成对抗网络】GAN生成对抗网络理论知识

【Transformer】Transformer理论知识

【Self-attention】注意力机制理论知识

PaddleNLP学习笔记

PaddleHub案例

【代码】【Paddle学习笔记】Paddle案例。

【代码】【CUDA】判断电脑CUDA和cuDNN是否安装成功（Windows）

【分类之KNN】KNN实例学习

目标：利用Kmeans对图像像素点颜色进行聚类实现简单的图像分割输出：同一聚类中的点使用相同颜色标记，不同聚类颜色不同结果：

数据介绍：NMF人脸数据特征提取目标：已知 Olivetti 人脸数据共400个，每个数据是 64*64 大小。由于NMF分解得到的 W 矩阵相当于从原始矩阵中提取的特征，那么就可以使用NMF对400个人脸数据进行特征提取。结果：...

数据介绍：PCA实现高维数据可视化目标:已知莺尾花数据是4维的，共三类样本（150*4）。使用 РСA实现鸢尾花数据进行降维，实现在二维平面上的可视化。

数据介绍：现有大学校园网的日志数据， 290条大学生的校园网使用情况数据,数据包括用PID， i的МAС地址，开始始上网时间，停止上网时间，上网时长，校园网套餐等。利用已有数据，分析学生上网的模式。通过DBSCAN分析上网时间与上网时长的模式。附上数据文件（学生月上网时间分布-TestData.txt）：...............

数据介绍：现有1999年全国31个省份城镇居民家庭平均每人全年消费性支出的八个主要变量数据，这八个变量分别是：食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据，对31个省份进行聚类。附上数据文件（31省市居民家庭消费水平-city.txt）：......

OpenCV 图像匹配识别滑动验证码缺口

目录自然语言处理主要内容自然语言的构成自然语言处理的步骤1：词法分析1 分词：2 实体识别3 实体识别方法：序列标注4 序列标注关键算法：5 序列标注应用：5.1 新词发现：5.2 领域中文分词5.3 命名实体识别5.4 依存句法分析（帮助句法分析）自然语言处理的步骤2：句法分析1 主题模型与特征提取1.1 TF-IDF1.2 主题模型1.3 LDA（潜在狄利克雷分配Latent Dirichlet Allocation）1.4 词向量与分布式表示2 文本分类与相似度量自然语言处理的步骤3：语

常用的聚类模型评价指标：ARI评价法（兰德系数）、AMI评价法（互信息）、V-measure评分、FMI评价法、轮廓系数 等常用的分类模型评价指标：准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1值（F1 Value）、ROC和AUC 等常用的回归模型评价指标：平均绝对误差、均方误差、中值绝对误差、可解释方差值 等......

文章目录五、经典神经网络解析（ImageNet大规模视觉识别挑战赛）：5.1、AlexNet（2012年8层神经网络）总结 AlexNet :5.2、ZFNet（2013年8层神经网络）5.3、VGG（2014年16、19层神经网络）总结VGG：5.4、GoogleNet（2014年22层神经网络）串联结构存在的问题：举例子计算说明：5.5、ResNet（2015年152层神经网络，3.6%低于人类错误率5.1%）ResNet的改变：总结ResNet：5.6、本章总结五、经典神经网络解析（ImageNet

文章目录四、卷积神经网络4.1 卷积与图像去噪1、卷积的性质：2、高斯卷积核（高斯滤波：线性滤波器）：高斯卷积核（解决平均卷积存在的问题）卷积核参数小结：高斯卷积核的特性：3、图像噪声与中值滤波器（非线性滤波器）：高斯噪声：中值滤波器（非线性滤波器）：4.2 卷积与边缘提取边缘的种类：噪声对求边缘的影响：非极大值抑制（让边变细）：Canny边缘检测器（双阈值）（解决有噪声的边）：4.3 纹理表示1、基于卷积核组的纹理表示法：2、纹理分类任务（忽略纹理的位置）：3、卷积核组的设计：4、卷积神经网络：全连接神经

文章目录三、全连接神经网络（多层感知器）3.1 网络结构设计：3.2 损失函数：1、SOFTMAX（把分数变成概率）2、交叉熵损失3.3 优化算法：1、计算图与反向传播：2、再谈损失函数（梯度消失问题）:3、解决梯度消失问题：动量法与自适应梯度解决方法1：动量法（累加让震荡方向互相抵消）解决方法2：自适应梯度AdaGrad 与改进的RMSProp（使用不同方向步长）解决方法：ADAM（把动量法与自适应梯度合一块）3.4 训练过程1、权值初始化（希望通过调整权值让输出有和输入相同的分布）解决方法：Xavier

文章目录一、图像分类任务二、线性分类器：2.1 图像表示：2.2 损失函数：多类支持向量机损失：2.3 正则项与超参数：K折交叉验证：2.4 优化算法：梯度下降法（SGD）：随机梯度下降：小批量梯度下降法：三、全连接神经网络（多层感知器）3.1 网络结构设计：3.2 损失函数：1、SOFTMAX（把分数变成概率）2、交叉熵损失3.3 优化算法：1、计算图与反向传播：2、再谈损失函数（梯度消失问题）:3、解决梯度消失问题：动量法与自适应梯度解决方法1：动量法（累加让震荡方向互相抵消）解决方法2：自适应梯度Ad