零碎知识点粗略了解-鲁棒性

最新推荐文章于 2024-09-01 23:36:16 发布
最新推荐文章于 2024-09-01 23:36:16 发布
阅读量147 收藏 1
点赞数
文章标签： 机器学习
原文链接：https://www.zhihu.com/question/304499849
版权

在机器学习，训练模型时，工程师可能会向算法内添加噪声（如对抗训练），以便测试算法的「鲁棒性」。可以将此处的鲁棒性理解为算法对数据变化的容忍度有多高

原网址：https://www.zhihu.com/question/304499849 KnowingAI知智

矢车菊白
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
2020.10.25—python笔记—Conv2D()函数—模型评价指标—keras相关函数（载入、保存model、权重参数）
m0_38057941的博客
10-26 2203
1.assert()函数（断言） 用于判断一个表达式，在表达式条件为 false 的时候触发异常。 断言可以在条件不满足程序运行的情况下直接返回错误，而不必等待程序运行后出现崩溃的情况 可以提前结束程序 def masks_Unet(masks): assert (len(masks.shape)==4) #4D arrays assert (masks.shape[1]==1 ) #check the channel is 1 im_h = masks.shape[2]
鲁棒性｜噪声｜贝叶斯公式
weixin_43616995的博客
02-28 1869
**1.鲁棒性：**鲁棒性指对数据集中的异常值也能保持稳定可靠的性质称为鲁棒性。常见的应用有鲁棒性控制实验。 **2.噪声数据（noisy labels）：**深度神经网络的成功依赖于高质量标记的训练数据。训练数据中存在标记错误（标记噪声，即Noisy Labels）会大大降低模型在干净测试数据上的准确性。不幸的是，大型数据集几乎总是包含带有不正确或不准确的标签。这导致了一个悖论：一方面，大型数据集对于深度网络的训练是非常必要的，而另一方面，深度网络往往会记住训练标签噪声，从而在实践中导致较差的模型性能。
目标检测YOLO实战应用案例100讲-改进YOLOv4的遥感图像目标检测
qq_36130719的博客
10-29 927
伴随互联网技术蓬勃发展，人工智能愈发强大，对计算机视觉领域的研究也开创了新 的时代，计算机可以解决越来越多的问题，例如对现实中的图像进行目标分类、目标检测 和跟踪等[1]。目标检测是我国计算机视觉中图像处理应用研究的热点方向之一，其根本任 务是通过提取输入图像的目标特征，分析得到目标所属类别和目标所在的位置，并用框标 出位置，同时显示所属类别及得分[2-3]。因此对图像进行目标检测方法的研究，对于其他领 域的应用有着重大意义[4]。
人体姿态估计、识别与生成最新技术一览
3D视觉工坊
02-08 6706
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨WinstonDeng@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/345201439编辑丨极...
下一代人工智能
人机与认知实验室
03-30 467
朱浩然 翻译摘要： 人工智能和机器学习的最新研究在很大程度上强调了通用学习和越来越大的训练集以及越来越多的计算。 相反，我提...
【AI视野·今日CV 计算机视觉论文速览 第174期】Tue, 7 Jan 2020
TomRen
01-07 2781
AI视野 ·今日CV 第174期视觉论文速览 ---视频深度估计 ---高速实例分割deepsnake ---高速人脸伪造框架 ---农业模式数据集 ---计算病理学综述 ---X光安检深度学习应用综述
视觉~合集xxs10
weixin_29159613的博客
08-03 33
#Battle-of-the-Backbones尽管Vision Transformer（ViTs）和自监督学习（SSL）越来越受欢迎，但在大多数任务中，文章发现在大型训练集上以监督方式预训练的卷积神经网络仍然表现最好。paper：https://arxiv.org/pdf/2310.19909code：https://...
进入AI领域做产品 —— 我的自学之路
热门推荐
07-03 1万+
做产品经理这份工作将涉及大量选择，本质上，是需要“输入→内视→输出”的环节更多，所以为了更好的去进行“输出”，学习“输入”（AI基础认知、产品认知、技术通识）以及“内视”（认知框架）的重要性就不言而喻了。 所以，这份内容是关于一个要进入AI领域的产品经理，所需要积累的“输入”的归纳，以及搭建“内视”框架的过程。（第二份输出也已经完成——《出行服务 + AI —— 一次模拟的创业》)
机器学习&深度学习相关面试
jinghe的知识屋
05-11 1799
这里写目录标题机器学习SGD, Momentum, Adagrad,RMSProp, Adam原理优化算法的常用tricksL1不可导的时候该怎么办PCA拟牛顿法的原理处理分类问题常用算法交叉熵公式LR公式，LR的推导、损失函数逻辑回归多分类实现SVM什么时候用线性核，什么时候使用高斯核Kmeans算法和EM算法的关系深度学习基础知识梯度消失和梯度爆炸BatchNormalization的作用循环神经网络为什么效果好LSTM和GRU的原理Attention机制的作用谈一谈模型压缩的相关知识CV中的目标检测基
人工智能AI源代码解析-鲁棒的跨语言知识图谱实体对齐
09-03
首次提出了跨语言实体对齐中的噪音问题，并提出了一种基于迭代训练的除噪算法，从而进行鲁棒的跨语言知识图谱实体对齐。
PPT周克敏-鲁棒控制最优化 共17章 bilibili鲁棒控制配套同步PPT
08-26
PPT周克敏-鲁棒控制最优化 bilibili鲁棒控制PPT
物联网-智慧传输-基于鲁棒性的光纤传感网布设方法研究.pdf
07-12
"物联网-智慧传输-基于鲁棒性的光纤传感网布设方法研究" 本研究论文主要探讨了基于鲁棒性的光纤传感网布设方法，以提高光纤传感网的可靠性和稳定性。光纤传感网（OFSN）是一种基于光纤的传感系统，广泛应用于多点...
论文研究-模糊线性规划的γ-鲁棒解.pdf
09-20
由于决策者的不同,对解的可实现程度要求不同,故在模型中加入了能够反映决策者风险偏好的测度约束,该模型的解即为γ-鲁棒解,该解既有鲁棒性、优化性,又能体现决策者的风险偏好程度.通过算例可以看出,γ-鲁棒解对参数...
论文研究-鲁棒拉普拉斯特征映射算法.pdf
07-22
研究拉普拉斯特征映射算法（Laplacian eigenmap，LE）对离群点的敏感性，提出一种具有鲁棒性的拉普拉斯特征映射算法（robust Laplacian eigenmap，RLE）。该方法在离群点检测的基础上，利用鲁棒PCA算法（robust PCA...
AI自动采集教学行为——用AI来做机器学习部分和深度学习部分（含torch和cuda）包含机器学习模型和bert模型的使用
东方
08-30 281
这个错误是由于 .whl 文件名中的空格导致的。Python 的 pip 工具不允许 .whl 文件名中包含空格。python 机器学习文本分类，读取合并后的excel，‘句子’列是输入，‘标注’列是输出，怎么写代码需要什么库 要最简单的。重命名文件：将 .whl 文件名中的空格替换为下划线 _ 或直接删除空格。提取“句子”列，‘标注’列和‘上下文情境’这三列。按顺序把excel中的这三列拼接在一起。本来走的是autodl的设备，合并输出成一个xlsx文件。之后会报错，需要重命名。要遍历当前文件夹下从。
机器学习之监督学习（二）逻辑回归(二元分类问题）
最新发布
2301_79376014的博客
09-01 509
超详细笔记，一文搞明白逻辑回归
AI中的核心概念解读：深度学习、机器学习、神经网络与自然语言处理
wypdao的专栏
08-26 770
人工智能（AI）：包含所有让机器具备智能行为的技术。机器学习（ML）：AI 的子领域，通过数据自动学习和做出决策。深度学习（DL）：机器学习的子领域，基于多层神经网络进行复杂数据的学习和处理。神经网络（Neural Networks）：深度学习的核心结构，模仿人脑神经元的连接方式。自然语言处理（NLP）：AI 的子领域，专注于处理和理解自然语言。理解人工智能中的这些核心概念，能够帮助你更好地导航这一广阔的技术领域。
机器学习-特征工程API
m0_68153457的博客
08-28 1070
实例化转换器对象，都是的子类：字典特征提取文本特征提取IDF文本特征词的重要程度特征提取归一化标准化底方差过滤降维PCA主成分分析降维转换器对象调用进行转换其中fit用于计算数据，transform进行最终转换可以使用fit()和代替data_newtransferdata可写成transferfitdatadata_newtransfertransformdata字典特征提取是指一个矩阵中大部分元素为零，只有少数元素是非零的矩阵。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值