原创 GAN 初學者指南

GAN是一個非常巧妙並且非常有用的模型。當有大量關於 GAN 的論文時,但是你會發現這些論文通常很難理解,你可能會想要一些對初學者更友好的東西。所以本文的對非傳統機器學習人員來說,是我能想到的最好的例子。 什麼是 GAN? GANs 或 G

原创 5篇關於3D 卷積的最新論文推薦

  1、3D Convolutional Neural Networks for Dendrite Segmentation Using Fine-Tuning and Hyperparameter Optimization

原创 Python 3.11比3.10 快60%:使用冒泡排序和遞歸函數對比測試

Python 3.11 pre-release已經發布。更新日誌中提到: Python 3.11 is up to 10–60% faster than Python 3.10. On average, we measured a 1.25

原创 多目標追蹤小抄:快速瞭解MOT的基本概念

多目標跟蹤(Multiple Object Tracking) MOT 獲取單個連續視頻並以特定幀速率 (fps) 將其拆分爲離散幀以輸出 檢測每幀中存在哪些對象 標註對象在每一幀中的位置 關聯不同幀中的對象是屬於同一個對象還是屬於不同對

原创 一個簡單實例解析移動平均模型 Moving-Average Models

本文將使用簡單的說明性示例來解釋移動平均模型(Arima [p,q]中的MA [Q])。 假設你今天得到100股公司股票。讓我們用Y1表示今年,用A(1)表示回報。再假設從明年開始,每年授予25%的股票,爲期四年。以下是一段時間內未授予股票

原创 多層感知機還在進步,關於深度學習中MLP的5篇最新的論文推薦

多層感知機還在進步,關於深度學習中MLP的5篇最新的論文推薦 1、MLP-Hash: Protecting Face Templates via Hashing of Randomized Multi-Layer Percep

原创 3 個不常見但非常實用的Pandas 使用技巧

在本文中,將演示一些不常見,但是卻非常有用的 Pandas 函數。 創建一個示例 DataFrame 。 import numpy as np import pandas as pd df = pd.DataFrame({ "date

原创 端到端的特徵轉換示例:使用三元組損失和 CNN 進行特徵提取和轉換

雖然大多數的特徵策略都與領域相關,並且必須針對每個應用程序進行專門調整。但特徵工程是操縱原始數據和提取機器學習特徵的過程,探索性數據分析 (EDA) 可以使用特徵工程技術來可視化數據並在執行機器學習任務之前更好地識別模式和異常值。這是數據科

原创 LSTM 又回來了! 新論文使用LSTM挑戰長序列建模的 ViT

不到兩年的時間ViT 已經徹底改變了計算機視覺領域,利用transformers 強大的自注意機制來替代卷積,最近諸如 MLP-Mixer 和通過精心設計的卷積神經網絡 (CNN) 等方法也已經實現了與 ViT 相當的性能。 在新論文 Se

原创 GAN能進行股票預測嗎?

機器學習是未能完全解決的一個領域是股票預測,因爲它可能是最有利可圖的研究領域之一所以在這方面的研究仍然在繼續。投資者希望能夠放心地把錢投在表現優異的公司,隨着投資的增加,公司的發展也將會突飛猛進,投資的收益也會增長。 在過去的研究中,出現

原创 Residual, BottleNeck, Inverted Residual, MBConv的解釋和Pytorch實現

上篇ConvNext的文章有小夥伴問BottleNeck,Inverted Residual的區別,所以找了這篇文章,詳細的解釋一些用到的卷積塊,當作趁熱打鐵吧 在介紹上面的這些概念之間,我們先創建一個通用的 conv-norm-act 層

原创 使用PyTorch復現ConvNext:從Resnet到ConvNext的完整步驟詳解

  ConvNext論文提出了一種新的基於卷積的架構,不僅超越了基於 Transformer 的模型(如 Swin),而且可以隨着數據量的增加而擴展!今天我們使用Pytorch來對其進行復現。下圖顯示了針對不同數據集/模型大小

原创 統計學小抄:常用術語和基本概念小結

統計學是涉及數據的收集,組織,分析,解釋和呈現的學科。 統計的類型 描述性統計 描述性統計是以數字和圖表的形式來理解、分析和總結數據。對不同類型的數據(數值的和分類的)使用不同的圖形和圖表來分析數據,如條形圖、餅圖、散點圖、直方圖等。所

原创 Pycaret 3.0的RC版本已經發布了,什麼重大的改進呢?

Pycaret是Python中的一個開源可自動化機器學習工作流程的低代碼機學習庫。它是一種端到端的機器學習和模型管理工具。要了解有關Pycaret的更多信息,可以查看官方網站或GitHub。 1、與最新版本的Scikit-Learn完全兼容

原创 神經網絡與傅立葉變換有關係嗎?

機器學習和深度學習中的模型都是遵循數學函數的方式創建的。從數據分析到預測建模,一般情況下都會有數學原理的支撐,比如:歐幾里得距離用於檢測聚類中的聚類。 傅里葉變換是一種衆將函數從一個域轉換到另一個域的數學方法,它也可以應用於深度學習。 本文