摘要：
训练深度神经网络是一项具有挑战性的任务。多年来，研究人员提出了不同的方法来加速和稳定学习过程。归一化是一种被证明在这方面非常有效的技术。 在这篇文章中，我将使用类比和可视化的方式来回顾这些方法中，这将帮助您了解它们的产生的原因和思维过程。 为什么要归一化？ 例如，我们现在用两个特征构建一个简单的神经 阅读全文
摘要：
2015 年 11 月，wikipedia的用户 Laughinthestocks 首次引入了“激活函数表”。从那时开始到现在，维基百科页面已经发生了 391 次更改。在本文中，我通过自己写的一个程序来挖掘截至 2022 年 4 月 22 日时维基百科页面历史中的每个唯一激活函数。本文还提供了针对激 阅读全文
摘要：
在零售、经济和金融等行业，数据总是由于货币和销售而不断变化，生成的所有数据都高度依赖于时间。如果这些数据没有时间戳或标记，实际上很难管理所有收集的数据。Python 程序允许我们使用 NumPy timedelta64 和 datetime64 来操作和检索时间序列数据。sklern库中也提供时间序 阅读全文
摘要：
1、Integrating LSTMs and GNNs for COVID-19 Forecasting Nathan Sesti, Juan Jose Garau-Luis, Edward Crawley, Bruce Cameron 将COVID-19的传播与图神经网络（GNN）的结合，使得最 阅读全文
摘要：
5分钟NLP：Text-To-Text Transfer Transformer (T5)统一的文本到文本任务模型 本文将解释如下术语：T5，C4，Unified Text-to-Text Tasks 迁移学习在NLP中的有效性来自对具有自监督任务的丰富无标记的文本数据进行预训练的模型，例如语言建模 阅读全文
摘要：
三十多年来，许多研究人员在图像识别算法和图像数据方面积累了丰富的知识。如果你对图像训练感兴趣但不知道从哪里开始，这篇文章会是一个很好的开始。这篇文章简要介绍了过去的演变，并总结了现在的一些热门话题。 ImageNet 预训练模型 迁移学习（热门话题） 使用预训练模型识别未知图像 PyTorch Im 阅读全文
摘要：
概率和统计知识是数据科学和机器学习的核心；我们需要统计和概率知识来有效地收集、审查、分析数据。 现实世界中有几个现象实例被认为是统计性质的（即天气数据、销售数据、财务数据等）。这意味着在某些情况下，我们已经能够开发出方法来帮助我们通过可以描述数据特征的数学函数来模拟自然。 “概率分布是一个数学函数， 阅读全文
摘要：
1、ReLLIE: Deep Reinforcement Learning for Customized Low-Light Image Enhancement Rongkai Zhang, Lanqing Guo, Siyu Huang, Bihan Wen 低光图像增强 (LLIE) 是一个普遍 阅读全文
摘要：
本文是关于检测和处理数据集中的异常值，主要包含以下四部分内容： 什么是异常值？ 为什么检测异常值很重要？ 如何检测异常值？ 如何处理异常值？ 什么是异常值？ 异常值是与其他观察结果显着不同的数据点。如下图所示，橙色数据点与一般分布相去甚远。我们将此点称为异常值。 为什么检测异常值很重要？ 在数据科学 阅读全文
摘要：
Boosting 是一种松散的策略，它将多个简单模型组合成一个复合模型。这个想法的理论来自于随着我们引入更多的简单模型，整个模型会变得越来越强大。在 boosting 中，简单模型称为弱模型或弱学习器。在回归的背景下，第一个简单模型只是一个常数，而随后的简单模型是“回归树”。 什么是回归树呢？它是用 阅读全文