原创 10個實用的數據可視化的圖表總結

用於深入瞭解數據的一些獨特的數據可視化技術 可視化是一種方便的觀察數據的方式,可以一目瞭然地瞭解數據塊。我們經常使用柱狀圖、直方圖、餅圖、箱圖、熱圖、散點圖、線狀圖等。這些典型的圖對於數據可視化是必不可少的。除了這些被廣泛使用的圖表外,還有

原创 BT - Unet:生物醫學圖像分割的自監督學習框架

BT-Unet採用Barlow twin方法對U-Net模型的編碼器進行無監督的預訓練減少冗餘信息,以學習數據表示。之後,對完整網絡進行微調以執行實際的分割。 BT-Unet由 Indian Institute of Information

原创 使用Python進行交易策略和投資組合分析

我們將在本文中衡量交易策略的表現。並將開發一個簡單的動量交易策略,它將使用四種資產類別:債券、股票和房地產。這些資產類別的相關性很低,這使得它們成爲了極佳的風險平衡選擇。 動量交易策略 這個策略是基於動量的的,因爲交易者和投資者早就意識到

原创 使用HuggingFace實現 DiffEdit論文的掩碼引導語義圖像編輯

在本文中,我們將實現Meta AI和Sorbonne Universite的研究人員最近發表的一篇名爲DIFFEDIT的論文。對於那些熟悉穩定擴散過程或者想了解DiffEdit是如何工作的人來說,這篇文章將對你有所幫助。 什麼是DiffEd

原创 自迴歸滯後模型進行多變量時間序列預測

下圖顯示了關於不同類型葡萄酒銷量的月度多元時間序列。每種葡萄酒類型都是時間序列中的一個變量。 假設要預測其中一個變量。比如,sparkling wine。如何建立一個模型來進行預測呢? 一種常見的方法是將該變量其視爲單變量時間序列。這樣就

原创 從頭開始進行CUDA編程:流和事件

流 (Streams) 當我們啓動內核(函數)時,它會在 GPU 中排隊等待執行,GPU 會順序按照啓動時間執行我們的內核。設備中啓動的許多任務可能依賴於之前的任務,所以“將它們放在同一個隊列中”是有道理的。例如,如果將數據異步複製到 GP

原创 2022年11月10篇論文推薦

隨着最大的人工智能研究會議(NeurIPS 2022)即將到來,我們進入了2022年的最後階段。讓我們回顧一下人工智能世界最近發生了什麼。 在介紹推薦論文之前,先說一個很有意思的項目: img-to-music:想象圖像聽起來是什麼樣的模型

原创 特徵選擇技術總結

在本文中,我們將回顧特性選擇技術並回答爲什麼它很重要以及如何使用python實現它。 本文還可以幫助你解答以下的面試問題: 什麼是特徵選擇? 說出特性選擇的一些好處 你知道哪些特徵選擇技巧? 區分單變量、雙變量和多變量分析。 我們能用P

原创 可解釋的AI:用LIME解釋撲克遊戲

可解釋的AI(XAI)一直是人們研究的一個方向,在這篇文章中,我們將看到如何使用LIME來解釋一個模型是如何學習撲克規則的。在這個過程中,我們將介紹: 如何將LIME應用到撲克遊戲中; LIME如何工作; LIME 的優點和缺點是什麼。

原创 使用馬爾可夫鏈構建文本生成器

本文中將介紹一個流行的機器學習項目——文本生成器,你將瞭解如何構建文本生成器,並瞭解如何實現馬爾可夫鏈以實現更快的預測模型。 文本生成器簡介 文本生成在各個行業都很受歡迎,特別是在移動、應用和數據科學領域。甚至新聞界也使用文本生成來輔助寫

原创 Stable Diffusion的入門介紹和使用教程

Stable Diffusion是一個文本到圖像的潛在擴散模型,由CompVis、Stability AI和LAION的研究人員和工程師創建。它使用來自LAION-5B數據庫子集的512x512圖像進行訓練。使用這個模型,可以生成包括人臉在

原创 TwoModalBERT進行角色分類

你是否遇到過數據集中有多個文本特性的情況?例如,根據消息的上下文正確地對消息進行分類,即理解前面的消息。比如說我們有下面的數據集,需要對其進行分類。 當只考慮message時,你可以看到它的情緒是積極的,因爲“incredible”這個詞

原创 經典CNN設計演變的關鍵總結:從VGGNet到EfficientNet

卷積神經網絡設計史上的主要里程碑:模塊化、多路徑、因式分解、壓縮、可擴展 一般來說,分類問題是計算機視覺模型的基礎,它可以延申解決更復雜的視覺問題,例如:目標檢測的任務包括檢測邊界框並對其中的對象進行分類。而分割的任務則是對圖像中的每個像素

原创 PyTorch常用5個抽樣函數

PyTorch是一個開源的深度學習框架,它提供了一個用於高級特性的Python包。在本文中,我們將介紹PyTorch中的常見抽樣函數。抽樣是一個統計過程,它從總體中提取一個子集,通過子集來研究整個總體。   完整文章 https://avo

原创 時間序列分析中的自相關

什麼是自相關以及爲什麼它在時間序列分析中是有用的。 在時間序列分析中,我們經常通過對過去的理解來預測未來。爲了使這個過程成功,我們必須徹底瞭解我們的時間序列,找到這個時間序列中包含的信息。 自相關就是其中一種分析的方法,他可以檢測時間系列中