机器学习

哥布林学者9 分钟前
机器学习·ai
深度学习进阶(十四)ConvNeXt在之前的内容里,我们展开了 CNN 的一些演进,知道 CNN 本身也在不断发展。 现在我们再绕回 Transformer :在 21 年 Swin Transformer发表后,以它为代表的诸多 ViT 工作,已经在多个视觉任务上全面超越传统 CNN。
ytttr8733 小时前
算法·机器学习·matlab
MATLAB SIFT图像配准实现参考代码 Sift图像配准程序 www.youwenfan.com/contentcsu/55157.html
小饕3 小时前
人工智能·算法·机器学习
从 Word2Vec 到多模态:词嵌入技术的演进全景用直观的方式,讲清楚嵌入模型每一代是如何工作的,以及它们为什么被发明出来。想象你要向一个外星人介绍地球上的所有东西——桌子、苹果、音乐、悲伤的感觉。外星人听不懂中文或英文,它只懂数字。
吻等离子3 小时前
人工智能·机器学习
机器学习基本概念篇(含思维导图)本文系统梳理了机器学习的核心概念、主要分类及经典算法,配备详细的思维导图,帮助读者建立清晰的机器学习知识体系。(高清无水印思维导图请私信或者留言,白嫖请绕道!)
lwf0061643 小时前
算法·机器学习
FFM (Field-aware Factorization Machine) 学习日记在 FM 中,每个特征只有一个隐向量:问题: 同一个特征在不同域(Field)中应该有不同的表示!FM 的问题:
用AI赚一点3 小时前
人工智能·深度学习·机器学习
AI落地不是造大模型:从概念到落地的核心差异最近刷到一条视频:一位程序员花3个月训练了一个能精准识别猫品种的大模型,准确率高达98%,评论区一片赞叹,但有人冷不丁问了句:“这能赚多少钱?” 程序员沉默了。
新新学长搞科研4 小时前
人工智能·物联网·算法·机器学习·能源·环境·新能源
【高质量能源会议推荐】第十一届能源与环境研究进展国际学术会议(ICAEER 2026)第十一届能源与环境研究进展国际学术会议(ICAEER 2026)2026 11th International Conference on Advances in Energy and Environment Research
lwf0061645 小时前
机器学习·推荐算法
xDeepFM 学习日记问题:核心思想: 显式建模高阶特征交互三大组件:CIN = Compressed Interaction Network (压缩交互网络)
啦啦啦_99995 小时前
算法·机器学习·逻辑回归
1. 逻辑回归逻辑回归简介:应用场景,数学知识 逻辑回归原理 逻辑回归API函数和案例 分类问题评估:混淆矩阵、精确率、召回率、F1-score、AUC指标、ROC曲线 电信客户流失预测案例
南宫萧幕6 小时前
开发语言·人工智能·python·算法·机器学习·matlab·控制
Python与Simulink联合仿真:基于DQN的HEV能量管理策略建模与全链路排雷实战DQN(Deep Q-Network)是将深度学习与Q-learning结合的经典强化学习算法。为了解决神经网络在强化学习中容易发散和不稳定的问题,DQN引入了几个关键机制。
小糖学代码6 小时前
人工智能·python·深度学习·神经网络·学习·机器学习
LLM系列:2.pytorch入门:9.神经网络的学习在神经网络中,为了让模型能够准确进行预测,我们需要利用优化算法不断迭代权重,使衡量预测值与真实值差异的损失函数降至极小值。本篇内容将完整梳理神经网络中基于梯度下降的学习和训练全流程。
liuyunshengsir6 小时前
人工智能·深度学习·机器学习
手写最基础的大模型推理并使用Profile监控GPU性能消耗情况用 torch.profiler 来监控大模型推理,这样可以得到 GPU/CPU 使用情况、时间消耗、内存占用,比简单的 psutil 更精确。下面完整示例:
硅谷秋水8 小时前
人工智能·深度学习·机器学习·计算机视觉·语言模型·自动驾驶
《自动驾驶系统开发》英文版《Autonomous Driving Hanbook》推荐24年5月1日清华大学出版的《自动驾驶系统开发》英文版《Autonomous Driving Hanbook》在26年4月11日由清华大学出版社和Springer Press联合出版。
啦啦啦_99998 小时前
算法·机器学习·逻辑回归
案例之 逻辑回归_癌症预测sklearn.linear_model.LogicRegression(solver='liblinear',penalty='l2',C=1.0)
惊鸿一博8 小时前
人工智能·机器学习·自动驾驶
自动驾驶_一段式端到端_三条技术路线_UniAD_SparseDrive_概述在自动驾驶领域,“一段式端到端”(Single-Stage End-to-End) 是一种摒弃传统模块化流水线的技术范式。
我是大聪明.8 小时前
人工智能·线性代数·算法·机器学习·矩阵
大模型Tokenizer原理:BPE、WordPiece与子词编码的核心机制深度解析在大型语言模型(LLM)的技术栈中,Tokenizer(分词器)是一个常被忽视却至关重要的组件。它位于文本输入模型的第一道关卡,直接决定了模型能够处理什么样的文本、以何种粒度理解语言,以及最终的性能表现。本文将深入剖析当前主流的子词分词算法——BPE、WordPiece与Unigram Language Model的核心原理,并通过代码示例揭示这些算法在工程实践中的实现细节。
威尔逊·柏斯科·希伯理8 小时前
人工智能·机器学习
机器学习-特征工程可以增加,减少,转换特征定义一个标准,选择与目标变量最密切的特征,剔除冗余无关的特征过滤法:基于某种标准评估该特征重要性(卡方检验,相关系数,信息增益,低方差过滤法)
地球资源数据云9 小时前
大数据·数据结构·数据库·人工智能·机器学习
2015年中国30米分辨率沼泽湿地空间分布数据集本数据集提供了2015年中国30米分辨率沼泽湿地空间分布图,可清晰反映我国滨海地区沼泽湿地的具体位置和分布状况。湿地具有调节水文、维护生物多样性等重要生态功能,但受人类活动和气候变化影响,近年来湿地退化严重。准确掌握湿地空间分布信息,对湿地保护、生态修复和政策制定至关重要。
郝学胜-神的一滴9 小时前
人工智能·pytorch·python·深度学习·机器学习
深度学习核心:损失函数完全解析 —— 从原理到 PyTorch 实战图形学入门|漫反射光照原理:从光能吸收到像素着色全解析在深度学习的世界里,当我们搭建好神经网络架构后,如何衡量模型的优劣就成为了核心问题。而答案,正是损失函数✨。它如同模型的 “裁判官”,用精准的数值告诉我们:当前的网络预测,与真实标签之间究竟存在多大偏差。
数据与后端架构提升之路9 小时前
人工智能·机器学习·自动驾驶
自动驾驶数据闭环中,Video Clip 的多模态特征到底怎么提取?在自动驾驶数据闭环里,我们经常会说:从一个 Clip 中提取 GPS 轨迹 shape、天气检测结果、关键帧 CLIP embedding 等特征。