机器学习散文
文章平均质量分 93
分享机器学习相关技术文章。
ZackSock
王者之路,岂可顺矣?
展开
-
如何攻击神经网络?人工智能VS人工智障
神经网络虽然非常强大,但是对神经网络的理解仍是一个待解决的问题。由于神经网络非常庞大,我们难以把握每一个细节,很难确定网络如何推理出结果,正因为此,一个看似训练良好的模型在应用的实际任务时会出现很多离奇现象。只有理解这些离奇现象为何会发生,才能更好地理解模型,并改进模型。因为现在大多数网络都是使用梯度下降来更新模型,因此梯度是攻击网络的一个很好的突破点。在上面对网络进行了两种攻击,看似都非常有效。原创 2023-08-14 17:46:20 · 737 阅读 · 0 评论 -
基于的Transformer文本情感分析(Keras版)
从2017年起,RNN系列网络逐渐被一个叫Transformer的网络替代,发展到现在Transformer已经成为自然语言处理中主流的模型了,而且由Transformer引来了一股大语言模型热潮。从Bert到GPT3,再到如今的ChatGPT。Transformer实现了人类难以想象的功能,而且仍在不停发展。本文将基于Transformer的Encoder部分,实现文本情感分析任务。原创 2023-03-24 22:07:48 · 2689 阅读 · 5 评论 -
基于LSTM的文本情感分析(Keras版)
文本情感分析是自然语言处理中非常基本的任务,我们生活中有很多都是属于这一任务。比如购物网站的好评、差评,垃圾邮件过滤、垃圾短信过滤等。文本情感分析的实现方法也是多种多样的,可以使用传统的朴素贝叶斯、决策树,也可以使用基于深度学习的CNN、RNN等。本文使用IMDB电影评论数据集,基于RNN网络来实现文本情感分析。原创 2023-03-10 09:48:50 · 4246 阅读 · 3 评论 -
AI绘画火爆,以昆仑万维AIGC为例,揭秘AI绘画背后的模型算法
从Conditional GAN的实现来AI绘画并不是简单的照搬,在训练Conditional GAN的时候,我们在做的时学习到图像的分布。对于一张64×64×3的8bit图,可以有12288^256种组合,而这么多组合里面只有极小一部分是我们需要的图像,而Generator网络就是把z从一个简单的分布(比如高斯分布),映射一个复杂的分布(图像的分布)。当学习到这个分布后,我们只需要从z的分布中采样一个点,就可以对应到一张图像。这就是我们Generator在做的事情。原创 2022-12-18 11:08:37 · 13361 阅读 · 8 评论 -
Java去除文档阴影
文稿扫描大家用的都比较频繁、想是各种证件、文件都可以通过扫描文稿功能保存到手机。相比直接拍照,在扫描文稿时,程序会对图像进行一些矫正。比如去除阴影、修正倾斜、旋转矫正等。进行这些处理后的图片要更加容易识别。今天就来讨论以下去除阴影的操作。在开始实现前,我们来了解一些图像相关的知识。这里讨论RGB图像,也就是我们俗称的彩色图像。图像可以被看作是一个height×width的数组,每一个数表示一个像素。如果是彩色图像,每个像素会包含RBG三个值,最低字节表示G、次低字节表示B、第三字节表示R。比如像素值为:其原创 2022-12-07 18:40:17 · 912 阅读 · 0 评论 -
如何用人工智能自动玩游戏
让AI玩游戏的思想早在上世纪就已经有了,那个时候更偏向棋类游戏。像是五子棋、象棋等。在上世纪“深蓝”就击败了国际象棋冠军,而到2016年“Alpha Go”击败了人类围棋冠军。到现在,AI涉略的不仅仅是棋类游戏。像是超级马里奥、王者荣耀这种游戏,AI也能有比较好的表现。今天我们就来用一个实际的例子讨论AI自动玩游戏这一话题,本文会用非常简单的机器学习算法让AI自动玩Google小恐龙游戏。原创 2022-09-18 15:26:44 · 48176 阅读 · 32 评论 -
特征工程-使用随机森林进行缺失值填补
使用随机森林填充缺失值。原创 2021-12-28 19:25:54 · 5007 阅读 · 2 评论 -
一文理解神经网络的本质
通俗易懂,一文理解神经网络的本质。原创 2021-05-30 20:40:55 · 4888 阅读 · 18 评论 -
Python快速构建神经网络
机器学习一直是Python的一大热门方向,其中由神经网络算法衍生出来的深度学习在很多方面大放光彩。那神经网络到底是个个什么东西呢?原创 2021-03-29 08:43:54 · 21445 阅读 · 52 评论