5,499
社区成员
① 【机器学习】数据变换---小波变换特征提取及应用案列介绍(云天徽上:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:小波变换作为一种前沿的数据分析工具,近年来在信号分析领域崭露头角。小波分析的理论和方法凭借其独特优势,在信号处理、图像处理、语音处理、模式识别以及量子物理等多个领域得到了广泛的应用,堪称近年来在工具及方法上的重大突破。
② 机器学习方法在测井解释上的应用-以岩性分类为例(小陈phd:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:机器学习模型能够分析测井数据,如声波、电阻率、伽玛射线等,来识别不同的岩石类型和沉积环境。:使用机器学习算法可以根据测井数据预测岩石的孔隙度和渗透性,这对于评估储层质量和油气潜力非常关键。
③ 软件杯 深度学习图像修复算法 - opencv python 机器视觉(Mr.D学长:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:🔥 优质竞赛项目系列,今天要分享的是🚩深度学图像修复算法该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!🥇学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:4分🧿。
④ Pytorch-张量形状操作(小森( ﹡ˆoˆ﹡ ):[博客] [成就])
[质量分:90;难度等级:未知;新鲜技术:99]
摘要:在 PyTorch 中,有些张量是由不同的数据块组成的,它们并没有存储在整块的内存中,view 函数无法对这样的张量进行变形处理,如果张量存储在不连续的内存中,使用view函数会导致错误。如果你需要改变张量的整体形状而不关心维度的顺序,
⑤ Build a Large Language Model (From Scratch) 从头开始构建大型语言模型(第一章)(Czi.:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:98]
摘要:LLM 是一种大型语言模型,是一种旨在理解、生成和响应类人文本的神经网络。这些模型是在大量文本数据上训练的深度神经网络,有时涵盖互联网上整个公开文本的大部分。大语言模型中的“大”指的是模型的参数大小和训练它的巨大数据集。