原创 用Python繪製一套“會跳舞”的動態圖形給你看看

作者:Costas Andreou機器之心編譯參與:Jamin、張倩在讀技術博客的過程中,我們會發現那些能夠把知識、成果講透的博主很多都會做動態圖表。他們的圖是怎麼做的?難度大嗎?這篇文章就介紹了 Python 中一種簡單的動態圖表製作

原创 【白話機器學習】算法理論+實戰之LightGBM算法

1. 寫在前面如果想從事數據挖掘或者機器學習的工作,掌握常用的機器學習算法是非常有必要的,在這簡單的先捋一捋, 常見的機器學習算法:監督學習算法:邏輯迴歸,線性迴歸,決策樹,樸素貝葉斯,K近鄰,支持向量機,集成算法Adaboost等無監

原创 Pytorch 深度學習實戰教程:今天,你垃圾分類了嗎?

1垃圾分類還記得去年,上海如火如荼進行的垃圾分類政策嗎?2020年5月1日起,北京也開始實行「垃圾分類」了!北京的垃圾分類標準與上海略有差別,垃圾分爲廚餘垃圾、可回收物、有害垃圾和其他垃圾四大類,分別對應四種不同顏色的垃圾桶,即綠色、藍

原创 Pytorch深度學習實戰教程:必知必會的煉丹法寶

1前言訓練深度學習模型,就像“煉丹”,模型可能需要訓練很多天。我們不可能像「太上老君」那樣,拿着浮塵,24 小時全天守在「八卦爐」前,更何況人家還有煉丹童、天兵天將,輪流值守。人手不夠,“法寶”來湊。本文就盤點一下,我們可以使用的「煉丹

原创 混合時空圖卷積網絡:更精準的時空預測模型

【新智元導讀】時空預測在天氣預報、運輸規劃等領域有着重要的應用價值。交通預測作爲一種典型的時空預測問題,具有較高的挑戰性。以往的研究中主要利用通行時間作爲模型輸入,很難預測整體的交通狀況,本文提出的混合時空圖卷積網絡,利用導航數據大大提

原创 【Deep Learning】初始化:你真的瞭解我嗎?

❝參數初始化很簡單,但是簡單的東西也容易出現知識盲區,本文全文 4000 字,將從數理和代碼兩個角度帶大家認識初始化,希望能給大家帶來更加形象的認識。❞參數初始化分爲:固定值初始化、預訓練初始化和隨機初始化。「固定初始化」是指將模型參數

原创 【串講總結】序列模型結構之普通堆疊、Encoding-Decoding、Encoding-Forcasting

前言一般來說對於一些時空序列模型,都是普遍的三種結構。當然結構可能有很多,我這裏結合我之前寫過的文章,總結下主要的三種。普通的RNN堆疊,即stackingED結構即Encoding-DecodingEF結構即Encoding-Forc

原创 【經驗分享】學長,我也想考清華!

前言和L學弟認識是一個很巧合的時間和方式,當初我還記得小夥子熱情滿滿的加我好友,本來是聊一些技術話題,但是突然聊到了升學的問題,他表達出一絲絲焦慮,這種焦慮我曾經也有過,他的情況差不多屬於可以爭取保研邊緣的情況,結果就是可能保研,也可以

原创 【時空序列預測第十篇】Cubic LSTMs for Video Prediction

一、Address AAAI2019的一篇文章 Cubic LSTMs for Video Prediction 論文鏈接地址: https://arxiv.org/pdf/1904.09412.pdf 二、Introducti

原创 推薦系統算法工程師培養計劃

由於近些年深度學習技術的飛速發展,大力加速推動了AI在互聯網以及傳統各個行業的商業化落地,其中,推薦系統、計算廣告等領域彰顯的尤爲明顯。由於推薦系統與提升用戶量以及商業化變現有着密不可分的聯繫,各大公司都放出了衆多推薦系統相關職位,且薪

原创 【時空序列預測第五篇】Memory In Memory: A Predictive Neural Network for Learning Higher-Order Non-Stationarity

文章目錄前言一、Address二、Introduction2.1 平穩與非平穩2.2 非平穩過程2.3 忘記門三、Memory In Memory3.1 MIM blockMIM-NMIM-S3.2 Memory In Memor

原创 【時空序列預測第一篇】什麼是時空序列問題?這類問題主要應用了哪些模型?主要應用在哪些領域?

個人公衆號 AI蝸牛車 作者是南京985AI碩士,CSDN博客專家,研究方向主要是時空序列預測和時間序列數據挖掘,獲國家獎學金,校十佳大學生,省優秀畢業生,阿里天池時空序列比賽rank3。公衆號致力於技術專欄化,主要包括ML、DL

原创 樸實無華!25個經典的Matplotlib圖

1、散點圖Scatteplot是用於研究兩個變量之間關係的經典和基本圖。如果數據中有多個組,則可能需要以不同顏色可視化每個組。在Matplotlib,你可以方便地使用。# Import dataset  midwest = pd.rea

原创 【時空序列預測第六篇】EIDETIC 3D LSTM: A MODEL FOR VIDEO PREDICTION AND BEYOND

文章目錄前言一、Address二、Introduction2.1 3DCNN和RNN模型2.2 短期依賴和長期依賴2.3 不完美模型的預測誤差問題三、EIDETIC 3D LSTM3.1 在循環神經網絡中的3D-CNN結構3.2

原创 【時空序列預測第三篇】PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs

前言 接下來保持住節奏,每週起碼一篇paper reading,要時刻了解研究的前沿,是一個不管是工程崗位還是研究崗位AIer必備的工作,共勉! 一、Address 這是nips2017年的一篇paper,來自於清華的團隊 Pre