03 2024 档案

BSLTR-梯度下降代码的处理

摘要：是否更新x取决于其是否被定义为nn.Parameter。这里是什么意思？在PyTorch中，是否将一个张量(x)更新（在训练过程中通过梯度下降算法调整其值）依赖于它是否被定义为nn.Parameter。nn.Parameter是Tensor的一个子类，专门用于定义模型参数，这些参数是可训练的，也就阅读全文

posted @ 2024-03-18 09:51 GraphL 阅读(22) 评论(0) 推荐(0) 编辑

BSLTR-规则的层次化挖掘

摘要：根据提供的描述，我们可以明确三种简单顺序约束和三种链式顺序约束，以及它们之间的层次关系，用于在数据集中挖掘有意义的活动模式。下面，我将基于这些描述，为每种约束类型提供一个具体的挖掘逻辑实现。简单顺序约束 Response(a, b): 最后一个b出现在最后一个a之后。 Precedence(a, 阅读全文

posted @ 2024-03-16 18:02 GraphL 阅读(16) 评论(0) 推荐(0) 编辑

节点异常检测-二维高斯分布

摘要：所以一个样本是一个椭圆曲线吗？不完全是这样。在二维高斯分布的上下文中，单个样本是分布中的一个点，而不是一个椭圆曲线。椭圆曲线实际上表示的是等高线，也就是概率密度函数在不同值下的轮廓线。每条椭圆曲线上的点具有相同的概率密度，这些椭圆反映了数据的分布特性，如集中趋势和变异情况。当我们谈论二维高斯分布阅读全文

posted @ 2024-03-16 10:45 GraphL 阅读(99) 评论(0) 推荐(0) 编辑

BSLTR-初始化向量的优化

摘要：聚类loss的计算要使得初始化的用户向量X在训练过程中得到优化，我们需要对前述示例进行一些修改，确保X是一个可训练的参数。在PyTorch中，这意味着我们需要将X定义为一个Parameter或者设置requires_grad=True。然而，由于X代表原始数据，通常我们不直接将其视为模型参数进行优阅读全文

posted @ 2024-03-14 10:26 GraphL 阅读(18) 评论(0) 推荐(0) 编辑