04 2023 档案

关于“基于自编码器的异常检测算法”的一些想法
摘要：最近在看自编码器相关的文章，我对这种算法的原理产生了极大的疑惑，为什么选择loss作为判断异常的标准呢？ 我想，原作者肯定是这么想的： 1）只输入正常数据，那么模型将只会学习到正常数据的分布。推理时，模型可以很好地重构正常信号，正常信号引起的loss值会很小。 2）模型没有学习到异常数据的分布，也不 阅读全文
posted @ 2023-04-23 12:02 澳大利亚树袋熊 阅读(225) 评论(0) 推荐(0) 编辑
高斯混合模型疑点解析
摘要：高斯混合模型是EM算法的优秀实践，表达形式也十分简单，但是其推导确实有点复杂。 推荐几篇不错的文章： (26条消息) ML-朴素贝叶斯-先验分布/后验分布/似然估计_特征条件独立性假设_透明的胡萝卜的博客-CSDN博客 （此篇文章介绍了一些朴素贝叶斯基本知识，建议先看） 高斯混合模型(GMM) - 阅读全文
posted @ 2023-04-19 18:21 澳大利亚树袋熊 阅读(29) 评论(0) 推荐(0) 编辑
小波变换原理简要实现和分析
摘要：傅里叶变换是频谱分析的重要工具，适用于周期性平稳信号，但是对于非平稳信号而言，效果较差。 其实质是卷积求正弦波相关性，由于正弦波不是能量有限信号，对无差别做一个全部卷积，算出来的结果不考虑时间。 小波变换也是频谱分析的重要工具，基函数为能量有限信号，也可以进行时域分析。针对不同的信号，可以更换不同的 阅读全文
posted @ 2023-04-17 15:03 澳大利亚树袋熊 阅读(794) 评论(0) 推荐(0) 编辑
seq2seq中的注意力机制
摘要：seq2seq中的注意力机制解决了长期梯度消失的问题，LSTM只解决了一部分长短期问题。 transformer中采用的自注意力机制多少借鉴该方法，其最核心的公式如下图所示。 Attention机制详解（一）——Seq2Seq中的Attention - 知乎 (zhihu.com) Q、K、V分别代 阅读全文
posted @ 2023-04-12 17:33 澳大利亚树袋熊 阅读(110) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示