5,750
社区成员
① 基于四种网络结构的WISDM数据集仿真及对比:Resnet、LSTM、Shufflenet及CNN(是Dream呀:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:残差网络是一种深度学习模型,通过引入“残差学习”的概念来解决深度神经网络训练困难的问题。ResNet沿用了VGG完整的3 × 3卷积层设计。残差块里首先有2个有相同输出通道数的3 × 3卷积层。每个卷积层后接一个批量规范化层和ReLU激活函数。
② 自然语言处理之语法解析:Context-FreeGrammar(CFG):CFG与自然语言生成(zhubeibei168:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:自然语言处理(Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究如何处理和运用自然语言;自然语言认知则是指让计算机“懂”人类的语言。
③ 平台数据分类与聚类实验报告(人生不如初见:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:选择:stream→WaveformGenerator→instanceRandomSeed→2,maxInstances→1000000,然而,model无法选择到modelNB.moa,所有这里我们需要自己创建一个modelNB.moa。
④ python爬虫项目(六十):爬取新闻网站的文章数据,构建自动新闻分类系统(人工智能_SYBH:[博客] [成就])
[质量分:92;难度等级:未知;新鲜技术:99]
摘要:目标:构建一个自动新闻分类系统,从各大新闻网站爬取新闻文章,并将其自动分类到不同的主题(如政治、经济、科技、娱乐等)。自动爬取新闻网站的文章数据;清洗和存储爬取的数据;对新闻内容进行预处理与特征提取;训练分类模型,并将新文章进行分类。
⑤ 数据分析(三) 常见业务指标(申宝啊:[博客] [成就])
[质量分:91;难度等级:未知;新鲜技术:99]
摘要:数值型可以直接表现数据的大小,例如:销售额、用户数等,但其也存在一定的确定 – 没有比较,这时就需要比例型的数据了,通过比例型的数据我们可以研究数据发展的规律、相对大小等等,一些从数值型数据中无法得到的信息,可以从比例型获取。
⑥ 用Sklearn和Statsmodels来做linear_regression和Logistic_regression注意事项(ZeroSnowy:[博客] [成就])
[质量分:91;难度等级:未知;新鲜技术:99]
摘要:C 参数控制正则化的强度,其默认值是 1.0,较小的 C 值意味着更强的正则化(即更平滑的模型),而较大的 C 值则意味着更弱的正则化(允许模型更复杂)。正则化的强度可以通过 C 参数来控制,C 的值越小,正则化强度越大。这是 AI 说的,我没用过。
⑦ 深度学习基础—残差网络ResNets(sniper_fandc:[博客] [成就])
[质量分:85;难度等级:未知;新鲜技术:99]
摘要:在a[l]前进行一次矩阵运算,保证Wsa[l]的输出维度和要运算的上一层输出维度一致,比如z[l+2]是256大小的向量,而a[l]的大小是128,就可以把Ws的大小固定为256*128,此时维度就保证了一致,然后把Ws作为参数进行学习。
⑧ 论文提纲怎么写?分享5款AI论文写作软件(小猪包333:[博客] [成就])
[质量分:82;难度等级:未知;新鲜技术:99]
摘要:特别是千笔-AIPassPaper,凭借其强大的功能和高效的性能,成为许多学者和学生的首选工具。在当前的学术研究和写作领域,AI写作工具已经成为提高效率和质量的重要助手。通过以上步骤,可以构建出一个清晰的论文提纲,为后续的写作提供指导。
⑨ 69 BERT预训练_by《李沐:动手学深度学习v2》pytorch版(醒了就刷牙:[博客] [成就])
[质量分:80;难度等级:未知;新鲜技术:99]
摘要:这个<CLS>用来表示句子开头,<sep>表示这个句子结束,后面是下一个句子,所以可以输入多个句子。想研发相似于CV方面的,基于微调的NLP模型,除了输出层,其他层的参数我是可以复用的,我可以挪到其他任务中去。新的任务只需要增加一个简单的输出层。
⑩ 深度学习Day-35:One-hot独热编码(Point__Nemo:[博客] [成就])
[质量分:93;难度等级:未知;新鲜技术:84]
摘要:本周任务较为简单,不做多余总结。