![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文学习记录
文章平均质量分 88
keith_VV
这个作者很懒,什么都没留下…
展开
-
材料论文阅读/中文记录:Scaling deep learning for materials discovery
【新兴技术的发展与深度学习运用到更多领域】新型功能材料实现了从清洁能源到信息处理等技术应用的根本性突破。从微芯片到电池和光伏发电,无机晶体的发现一直受到昂贵的试错方法的瓶颈。与此同时,随着数据和计算的增加,语言、视觉和生物学的深度学习模型展示了新兴的预测能力。在这里,我们展示了大规模训练的图网络可以达到前所未有的泛化水平,【材料发现】从而将材料发现的效率提高一个数量级。原创 2023-12-18 19:44:26 · 1848 阅读 · 0 评论 -
论文阅读/中文记录,材料机器学习:Data-driven based phase constitution prediction in high entropy alloys
【背景】高熵合金(HEA)因其优异的材料性能和近乎无限的设计空间而吸引了越来越多的研究。开发有效的相组成预测方法对于新型 HEA 设计非常重要。【机器学习作用】机器学习(ML)作为一种有效的数据驱动方法,为 HEA 的相位预测提供了一种可能的方法,【本文目的】但是,缺乏对各种 ML 模型的有效性和差异的澄清。【主要内容】本文收集了800多个HEAs物相数据,总结了16个特征。使用各种机器学习模型来训练和预测相组成。结果表明,【结果1】原创 2023-12-09 15:37:55 · 1030 阅读 · 1 评论 -
B站视频“多模态大模型,科大讯飞前NLP专家串讲”记录
融合文本和图像的特征 --》 最后做二分类任务,此处的二分类需要输入的负样本较难(即与正样本难以区分),所以此处的负样本是在第一个中对比学习中分类分错的。对于文本生成模型,也将正确的样本传入进行再训练,然后对未知文本的图像进行生成文本,然后扔到匹配模型里判断是否匹配,如果不匹配则扔掉,最后的数据集里包括的则是原来的正确数据集和预测后的匹配图像文本对。对于图文匹配的模型,将正对的文本对传入再进行训练,使模型更正确,然后将弱监督对传入,判断是不是匹配,如果不匹配,则抛弃。表示人工标注好的,正确匹配的,原创 2023-10-13 22:20:49 · 684 阅读 · 0 评论 -
Diffusion Model论文/DALL E 2
Diffusion Model – 扩散模型21火爆了能做什么?去噪、基于文字生成图像DALL·E 2:输入文字描述,能够生产图像GAN – 生成式对抗网络。原创 2023-10-13 15:09:15 · 169 阅读 · 0 评论 -
论文学习记录--零样本学习(zero-shot learning)
这项工作介绍了一种模型,即使对于没有该对象类别的训练数据,也能够识别图像中的对象。关于未见过的视觉类别的唯一必要知识来自无监督的文本语料库。与之前的零样本学习模型不同,该模型可以同时处理已见和未见类别的混合数据,在具有数千个训练图像的类别上达到最先进的性能,并在未见类别上获得合理的性能。这是通过将文本中的单词分布视为语义空间来理解对象的外观。我们的深度学习模型不需要手动定义单词或图像的语义或视觉特征。图像被映射到与其类别相对应的语义词向量附近,得到的图像嵌入可以用来区分图像是属于已见类别还是未见类别。原创 2023-10-11 19:16:14 · 789 阅读 · 0 评论