TTS-S

摘要： 20231105 文章连接：https://arxiv.org/abs/2110.14476 1.提出背景 首先是MRI成像上，会因为多种情况导致最后的成像效果不好，想要质量高的图像多徐时间又很长，现在采用超分的图像后处理方法来对图像进行处理以实现短时间获得高质量图像的效果。但是现在的图像超分方法中 阅读全文

摘要： 20231103 1.UNet的提出是为了解决什么问题？ 一般认为使用带注释的训练样本越多训练出来的深度神经网络越好，但是在UNet所应用的医学领域中并没有那么多的数据供应给模型训练。UNet想使用在医学图像的分割上，在UNet提出的2015年，CNN在图片分类上!取得了很好的成果，但是分割任务是需 阅读全文

摘要： 摘要 当今超分辨领域的模型普遍存在过度平滑（难以保持放大后图像的锐利和纹理，导致高频信息丢失和视觉上变得平滑）和伪影（生成的高分辨率图像中可能出现的不希望出现的失真或瑕疵，包括模糊、马赛克效应或者不自然纹理等）的现象，作者据此提出了IDM模型，IDM模型是在一个统一的端到端框架中集成了隐式神经表示和 阅读全文

摘要： Python-实现逻辑回归 1 逻辑回归 感知器的缺点是只能做线性可分的分类任务，如果任务不是完全可以线性可分的，那么感知器是永远不能收敛的，因为每次更新都会有至少一个错误。现在我们来看下另外一个解决二分类问题的算法逻辑回归。注意：它是分类模型，不是回归模型。 本次写的适用于二分类上的模型，但是其也 阅读全文

摘要： Python-sklearn实践 1 sklearn实践 Python有关于机器学习的库sklearn，我们可以使用sklearn来快速得到想要的机器学习算法，它不仅包括了很多学习算法，还包含了预处理、微调和评估模型等实用的函数。 我们可以调用sklearn中自带的数据集： from sklearn 阅读全文

摘要： Python-构建自适应线性神经元 1 自适应线性神经元 **自适应性神经元（Adaline）**可以视为感知器的优化和改进。 该算法说明了定义最小化连续性代价函数的关键概念。这为理解如逻辑回归、支持向量机和回归模型等更高级的机器学习算法奠定了基础。 1.1 Adaline与感知器的区别 Adali 阅读全文

摘要： #1 不同的平均值数目 不同的平均值数目 ##Solution class Solution { public: int distinctAverages(vector<int>& nums) { sort(nums.begin(),nums.end()); int i = 0,j = nums.s 阅读全文

摘要： 1 Python-构建感知器 1.1 人工神经元 为了设计人工智能，人们尝试模仿生物神经元，神经元是大脑中连接起来参与化学和电信号处理与传输的神经细胞，麦库洛和皮兹（MCP）把神经细胞描述为带有二进制输出的简单逻辑门，多个信号到达树突，然后整合到细胞体，并当信号累计到一定的阈值时，输出信号将通过轴突 阅读全文

摘要： 1 numpy.meshgrid() 官方文档中的作用是从坐标向量中返回坐标矩阵，也就是生成网格点坐标矩阵。 Parameters: *xi：array_like 数组 x1,x2,...,xn，1-D维数组，表示网格的坐标。 sparse：bool, optional 布尔类型 如果为True，则 阅读全文

摘要： 1 温度转换 温度转换 Solution class Solution { public: vector<double> convertTemperature(double celsius) { double kelvin = celsius + 273.15; double fahrenheit 阅读全文