- 博客(4)
- 收藏
- 关注
RSS订阅原创 【无标题】
在深度学习中,模型的权重(weights)是指神经网络中的参数,这些参数用于调整和学习模型的行为,以便能够对输入数据进行有效的映射和提取有用的特征。以全连接层为例，如果有一个输入层和一个输出层，每个输入神经元与输出神经元之间都有一个权重。与生成式学习比较，对比式学习不需要关注实例上繁琐的细节，只需要在抽象语义级别的特征空间上学会对数据的区分即可，因此模型以及其优化变得更加简单，且泛化能力更强。在多模态数据处理领域，统一模型能够有效地整合不同类型的信息，提高数据的利用率和价值。
2024-03-03 19:38:43
331
原创 PIP-Net: Patch-Based Intuitive Prototypes for Interpretable Image Classification学习笔记
在视频领域可以基于帧的相似性进行研究，对于视频中的每一帧存在特征相似的概念，简单来说可以认为视频中的相邻帧的特征是相似的，而相隔较远的视频帧之间的相似度较低。自监督学习的优势，就是可以在无标签的数据上完成训练，而监督学习需要大量的有标签数据，强化学习需要与环境的大量交互尝试，数据为王的时代，此特点也使得大家充分相信自监督学习才是人工智能的发展方向。在基于上下文的方法中大多是基于样本本身的信息，而样本间其实也具有很多的约束关系，因此可以利用时序约束来进行自监督学习。3 可以用来解释模型如何对样本进行分类。
2024-01-30 20:26:48
822
原创 小任的第一篇博客-哈夫曼树
文章目录哈夫曼树哈夫曼树功能实现输出哈夫曼树主要介绍哈夫曼树的构建，遍历（先序遍历、中序遍历、后序遍历）、哈弗曼编码实现、哈夫曼译码实现。哈夫曼树功能实现#include <stdio.h>#include <stdlib.h>#include <string.h>#include <iostream>using namespace std;#define OK 1#define N 100typedef struct { int n
2020-12-27 10:37:58
178
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