上一页 1 2 3 4 5 6 7 ··· 18 下一页
摘要: 特征选择本质上是特征子集优化,既然是优化自然就有一大堆的优化方法,而优化方法通常无外乎就是几个关键: 1. 新的解的产生方式 2. 解的评价方式 3. 收敛的特性及判断 4. 如何合理构建这个迭代过程 说起选择特征的方式,朗朗上口: 过滤式,包裹式,嵌入式等等。。。 可是大家不要忘了,还有很重的就是 阅读全文
posted @ 2019-01-25 16:04 Lucas_Yu 阅读(107) 评论(0) 推荐(0) 编辑
摘要: 道理大概是这样的,窗口大有利与报准,但是会因此导致一个事件发生之后捂一段时间再爆出,需要采集到更多的相关数据才爆出 延迟的表现是这样子的,直观上是这样的 传暗器的位置和及其轴的搭配对预测性能的影响! 阅读全文
posted @ 2019-01-25 11:54 Lucas_Yu 阅读(150) 评论(0) 推荐(0) 编辑
摘要: 条件概率融合需要更多信息 阅读全文
posted @ 2019-01-25 10:43 Lucas_Yu 阅读(379) 评论(0) 推荐(0) 编辑
摘要: 区别在于参数方法和非参数方法,用属性空间或者是样本空间 https://fenix.tecnico.ulisboa.pt/downloadFile/1689468335574541/licao_20.pdf 对比就能明白!对比的目的就是为了归类! 阅读全文
posted @ 2019-01-24 17:54 Lucas_Yu 阅读(391) 评论(0) 推荐(0) 编辑
摘要: stochastic neural architecture search 随机神经网络结构搜索 深度学习局限何在?图网络的出现并非偶然 神经网络结构的搜索是非常重要的 阅读全文
posted @ 2019-01-24 13:53 Lucas_Yu 阅读(419) 评论(0) 推荐(0) 编辑
摘要: NetCDF格式很好地抽象数据对象 编辑 NetCDF格式很好地抽象数据对象 1、变量(Variables)变量对应着真实的物理数据。比如我们家里的电表,每个时刻显示的读数表示用户的到该时刻的耗电量。这个读数值就可以用netcdf里的变量来表示。它是一个以时间为自变量(或者说自变量个数为一维)的单值 阅读全文
posted @ 2019-01-23 23:54 Lucas_Yu 阅读(265) 评论(0) 推荐(0) 编辑
摘要: 某些情境依赖于其背景或设置有意义。如果你碰到某人并大喊“你就是它!” 在标签的游戏中,人们得到它,但如果你在杂货店窃听的肩膀陌生人,他们大喊大叫的时候,它不太上下文。 您可以使用形容词上下文来描述与某个地点相关的内容或者书面文本中的含义。例如,如果有人问您在阅读章节后选择答案的背景原因,那么您将在所 阅读全文
posted @ 2019-01-23 16:45 Lucas_Yu 阅读(108) 评论(0) 推荐(0) 编辑
摘要: Focal Loss for Dense Object Detection 阅读全文
posted @ 2019-01-23 13:46 Lucas_Yu 阅读(90) 评论(0) 推荐(0) 编辑
摘要: https://www.sohu.com/a/226611009_633698 阅读全文
posted @ 2019-01-21 23:02 Lucas_Yu 阅读(126) 评论(0) 推荐(0) 编辑
摘要: 2.经典RNN的seq2seq 3.基于注意力的seq2seq 阅读全文
posted @ 2019-01-21 22:53 Lucas_Yu 阅读(147) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 18 下一页