深度学习
文章平均质量分 91
夏荷影
这个作者很懒,什么都没留下…
展开
-
对比式和生成式图数据编码器发展综述
在过去十年中,自监督编码器技术在图像[1]以及自然语言处理[2][3]等方面得到了广泛应用。然而对于不规则的图结构数据,如社交网络、电子商务网络、生物学网络和交通网络等,自监督编码器的应用还较少。这些图结构数据有着复杂的结构和大量待挖掘的信息。当前,对图数据的分析存在着以下难点:1)图结构的不规则性。与语音、图片以及文本这些有着清晰网格结构的数据不同,图数据的结构是不规则的。这导致了一些基本的数学操作难以被推广到图中。2)图的异质性和多样性。图本身包括了不同的类型和属性。原创 2023-03-13 16:02:22 · 574 阅读 · 0 评论 -
图片文字识别
目录第一章 系统描述 3§1.1系统概述 3§1.2系统的物理组成 4第二章 需求分析模型 4§2.1 E-R图 4§2.2 数据流图 5§2.3 状态转换图 6第三章 软件模块结构图 6第四章 面向对象的视图 7§4.1 用例图 7§4.2 活动图 8五、关键技术及实现 9§5.1 图像预处理 9§5.1.1 开发工具 9§5.1.2 流程设计 9§5.1.3 主要模块详细设计 10§5.1.4 效果展示 11§5.2 文字识别 13§5.2.1 开发工具 13§5原创 2021-07-21 20:15:40 · 2977 阅读 · 6 评论 -
深度学习 -> 强化学习 ->迁移学习(杨强教授报告)
深度学习的局限表达能力的限制。因为一个模型毕竟是一种现实的反映,等于是现实的镜像,它能够描述现实的能力越强就越准确,而机器学习都是用变量来描述世界的,它的变量数是有限的,深度学习的深度也是有限的。另外它对数据的需求量随着模型的增大而增大,但现实中有那么多高质量数据的情况还不多。所以一方面是数据量,一方面是数据里面的变量、数据的复杂度,深度学习来描述数据的复杂度还不够复杂。缺乏反馈机制。目前深度学习对图像识别、语音识别等问题来说是最好的,但是对其他的问题并不是最好的,特别是有延迟反馈的问题,例如机器人的行转载 2021-06-22 14:51:38 · 1300 阅读 · 0 评论