文章分类 - 机器学习
摘要：Gaussian Splatting 一、知识点 1. Paper 链接 https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/3d_gaussian_splatting_high.pdf 题外话 2. 架构图&对比图 2.1 架构图 2.
阅读全文
摘要：Informer 学习笔记 1. 什么是时间序列预测？ 用例子来看比较好理解 符合一定时间规律的数据 2. 为什么是Informer？ 背景图 2.1 几种简单任务 短序列预测 常用的 RNN 系列模型，可以很好的预测短期数据，比如利用 30 天数据，预测后 1-3 天的短期数据，但一旦需要预测的时
阅读全文
摘要：上一篇 -> 机器学习课程笔记 3。 0. 前情提要 0.1 Attention 注意力机制 0.2 Self-Attention Q、K、V 同源 0.3 Masked Self-Attention 为了弥补Self-Attention的缺点 前一序列输入并未得知后续有什么，所以为了更贴近实际，将
阅读全文
摘要：上一篇 -> 机器学习课程笔记 2。 第3讲 卷积神经网络 CNN 对于不同学习任务来说，图像并不是所有的信息都有用，所以 CNN 选择特征时使用不同大小的感受野去提取特征信息。 3.1 卷积层(感受野 + 参数共享) 感受野就是要对图像进行提取特征的那部分视野。 还需涉及其他概念 kernel_s
阅读全文
摘要：上一篇 -> 机器学习课程笔记 1.2。 第2讲 训练不如意的原因与处理 1. 局部最优解(local minima) 与 鞍点(saddle point) 训练到一定程度, loss 很大却不再下降 或者 一开始就 梯度很小, loss 几乎不下降。 两种基本原因 局部最优解(local mini
阅读全文
摘要：上一篇 -> 机器学习课程笔记 1.1。 第1讲 机器学习(Machine Learning, ML)简介 5. 对线性变换函数的分析 我们在学习机器学习时用的是线性模型作为例子去理解, 后续其他模型训练本质和步骤也基本如此, 但不同模型函数有自身的缺陷, 下图示意了线性模型的缺陷。 线性模型过于简
阅读全文
摘要：上一篇 -> 机器学习课程笔记 0。 第1讲 机器学习(Machine Learning, ML)简介 1. 机器学习理解 通过各种方式寻找一种函数, 可以完成事物的转换。 2. 不同的函数 1. 回归 Regression 通过历史数据, 学习参数拟合函数, 总结趋势, 预测未来数据。 2. 分类
阅读全文
摘要：1. 第0讲 概述 1.1 机器学习简单理解 通过各种方式寻找一种函数, 可以完成事物的转换。 1.2 深度学习简单理解 通过各种神经网络(Neural Network)的形式, 寻找函数。 输入多样, 输出多样。 值:回归、类别:分类、区分:聚类。 1.3 学习方式 监督学习 Supervised
阅读全文
