每日AI值得看--2023-05-21

[CSDN-Ada助手]

① PyTorch LSTM和LSTMP的原理及其手写复现（@旋转的油纸伞） [质量分：90；难度等级：高(领域：Python入门；匹配程度：0.1)；新鲜技术：99]
摘要：关于LSTM的原理以及公式其实在这篇博客一步一步详解LSTM网络【从RNN到LSTM到GRU等，直至attention】讲的非常清晰明了了。这里就是写出LSTM的pytorch的实现，包括API和手写。

② 【读点论文】Multiscale Vision Transformers，将多尺度信息运用到纯Transformer架构上，运用池化给transformer下采样，在多个数据集、视觉任务上表现良好（@羞儿） [质量分：85；难度等级：中(关键词：架构)；新鲜技术：100]
摘要：本文提出了用于视频和图像识别的多尺度视觉transformer(MViT)，通过将多尺度特征层次的开创性思想与transformer模型联系起来。多尺度transformer有几个通道分辨率尺度级。

③ 图神经网络（处理点云）PPFNet的实现（@Q天马A行空Q） [质量分：90；难度等级：初；新鲜技术：99]
摘要：本篇文章接上一篇文章，超链，PointNet++无法解决旋转变化，所以我们使用PPFNet解决问题。

④ 《数据挖掘》第六次实验（@幻兒） [质量分：91；难度等级：初；新鲜技术：99]
摘要：图卷积网络GCN实际上就是特征提取器，只不过GCN的数据对象是图。图的结构一般来说是十分不规则，可以看作是多维的一种数据。

⑤ 【人工智能与深度学习】不确定性下的预测和政策学习（PPUU）（@prince_zxill） [质量分：88；难度等级：初；新鲜技术：99]
摘要：由一个尽可能接近实际未来的状态去实行一个特定的行动后，我们想要我们的模型的预测。现在我们也要对应着实际未来来计算损失，那我们就必须移除模型中的潜在变量，那是因为潜在变量给我们一个特定的预测，但算了吧，如果我们只用那些平均预测的话，这个设定反而运行得更好。

⑥ DeepGPS: Deep Learning Enhanced GPS Positioning in Urban Canyons（@天乔巴夏丶） [质量分：90；难度等级：初(领域：Python入门；匹配程度：0.02)；新鲜技术：99]
摘要：全球定位系统（GPS）在我们的日常生活中为许多新的应用带来了好处，例如导航、拼车和基于位置的服务。尽管GPS在大多数地方都能很好地工作，但由于非直瞄卫星的信号反射，它在城市峡谷中的性能是众所周知的差。

⑦ torch.nn.functional.normalize参数说明（@只是一个代号不必认真） [质量分：90；难度等级：初；新鲜技术：99]
摘要：公式为vmax⁡∥v∥pϵmax(∥v∥p​ϵv​。

⑧ Kaggle猫狗分类Pytorch CNN（@Day-3） [质量分：84；难度等级：初；新鲜技术：99]
摘要：猫狗分类来源于Kaggle上的一个入门竞赛。

⑨ PyTorch中的可视化工具TensorBoard（@浪浪山猪） [质量分：82；难度等级：初；新鲜技术：99]
摘要：TensorBoard是由Google开发的一个可视化工具，旨在帮助用户理解和调试深度学习模型的训练过程。PyTorch提供了一个名为SummaryWriter的接口，用于将各种类型的数据写入TensorBoard中。

⑩ 说说计算这事儿：从开关到人工智能（@龙赤子） [质量分：82；难度等级：初(领域：算法；匹配程度：0.04)；新鲜技术：99]
摘要：计算本身其实是一个比较抽象的词，或者说比较笼统。很多场景都可能用到计算这个词，因此具体的含义就需要根据上下文来确定。今天我们讨论的计算，是比较狭义的计算，或者说跟计算机的计算、数学的计算是比较贴近的。计算的重要性我想怎么强调都不为过。