当机器学习遇到鸡蛋受精
今天橙子姐姐带大家看看基于一阶统计特征提取的支持向量机分类器在鸡蛋受精方面的应用,大家一起看一下吧！ 本研究旨在使用支持向量机（SVM）分类器方法识别鸡蛋的生育力。分类基础使用一阶统计（FOS）参数作为识别过程中的特征提取。这项研究是基于过程的识别过程开发的，该过程仍然是手动的（传统的）。尽管目前在识别过程中有许多技术，但它们仍然需要发展。 因此，这项研究是图像处理技术领域的发展之一。样本数据使用...
算法与数据结构--空间复杂度O(1)遍历树 2
冬天已经来了，秋招早已悄无声息的结束。作为一个已经工作了两年的老人，校招面试感觉就像高考一样遥远。但是呢，虽然工作了，还是要时刻保持危机感的呀，万一哪天就要跳槽了呢(￣∇￣)。 遥想当年面试的时候，由于没有学过数据结构，在面试官出算法题之前就老实交待家底：“我的算法和数据结构不太行，树呀图呀都不太会(✿◡‿◡)"。但是经过两年断断续续的学习，发现其实树是一个套路非常明显的一类算法题，而遍历树是...
模型训练太慢？显存不够用？这个算法让你的GPU老树开新花 18
一只小狐狸带你解锁NLP/ML/DL秘籍 老板，咱们就一台Titan Xp，训不动BERT呀 没钱买机器，自己想办法。 委屈T^T 我听说混合精度训练可以从算法上缓解这个问题？ 喵喵喵？？ 其实小夕的内心是拒绝的，就一台破Xp，再优化能快到哪里去呀T^T 燃鹅 小夕找了一份开源代码，结果刚开始跑小夕就震惊了！什么鬼？训练速度怎么这么快？出bug了吧？？？？ 一毛一样的模型、超参数和硬件环境，竟然可...
「小公式」平均数与级数 13
喵喵喵，小夕最近准备复习一下数学和基础算法，所以可能会推送或者附带推送点数学和基础算法的小文章。说不定哪天就用（考）到了呢(￣∇￣) 注意哦，与头条位的文章推送不同，「小公式」和「小算法」中的标题之间可能并无逻辑关联，因此可以看作是罗列小知识点，说不定这些小知识点就能带来一些小灵感呢。 平均数 调和平均数 调和平均数（Harmonic Mean）是将数值个数除以数值倒数的总和，一组正数x1, x2...
从前馈到反馈：解析循环神经网络（RNN）及其tricks 2
好像已经有两周没有更新啦。最后这几天都不敢打开订阅号后台了，怕一打开发现掉了几百个粉丝的话就难过死了T_T。然而小夕发现你们并没有离开，感动的差点哭出来，都感觉再不认真写一篇文章就太对不起大家的等待啦。 而这两周，经历的事情蛮多的。为了凑下一季的房租，接了个私活，要死要活的做完了QAQ。而且还发现了一个特别好的学习平台，闭关修炼了一周，改天跟你们分享一下～下面开始正文啦，不要太激动哦。 为什么需要...
机器学习前沿——函数估计方法 5
利用独立性的优势函数估计方法 论文链接： https://www.ijcai.org/proceedings/2021/0461.pdf 在强化学习中，优势函数 (advantage function) 普遍采用蒙特卡洛 (MC)、时间差分 (TD)，以及一种将前两者结合的优势函数估计算法（GAE) 等进行估计，而这些算法都存在方差较高的问题。因此，微软亚洲研究院的研究员们首次提出通过利...
线性代数应该这样讲(三)-向量2范数与模型泛化 9
在线性代数（一）中，小夕主要讲解了映射与矩阵的关系；在线性代数（二）中，小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数，他们在机器学习任务中是最常用，有时甚至是核心的东西哦。 首先，来一个俗俗的开篇。向量x的p范数表示如下： 由此，p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。 二范数相信大家在大一学线性代数的时候就已经被灌输...
线性代数应该这样讲(四)-奇异值分解与主成分分析 15
在《线性代数这样讲（二）》（以下简称「二」）中，小夕详细讲解了特征值与特征向量的意义，并且简单描述了一下矩阵的特征值分解的意义和原理。本文便基于对这几个重要概念的理解来进一步讲解SVD分解。 回顾一下，在「二」中，小夕讲过一个方阵W可以分解为它的特征向量矩阵eVec与特征值矩阵eVal相乘的形式，即用 eVec * eVal * eVec-1 来近似原方阵W。 那么问题来啦，如果我们的矩阵不是方阵...
杂谈机器学习的几个应用场景 6
在上一篇文章末尾，小夕提到了“机器学习是实现自然语言处理的正确道路”。其实确实如此，纵观整个自然语言处理的发展史，也是纵观整个人工智能的发展史，从诞生到现在，机器学习不仅是在理论和工程上实现自然语言处理的目前最佳选择，也是最贴近生物掌握自然语言处理能力的本能方式。 从规则到统计，再到如今深度学习这个特殊而一般的统计，这条发展之路渗透在自然语言处理的几乎每一个应用场景。如中文分词，从最初的最大匹...
从逻辑回归到受限玻尔兹曼机 12
在那很久很久以前，可爱的小夕写了一篇将逻辑回归小题大做的文章，然后在另一篇文章中阐述了逻辑回归的本质，并且推广出了softmax函数。 从那之后，小夕又在一篇文章中阐述了逻辑回归与朴素贝叶斯的恩仇录，这两大祖先级人物将机器学习的国度划分为两大板块——生成式与判别式。 后来，朴素贝叶斯为了将自己的国度发扬光大，进化出了贝叶斯网以抗衡逻辑回归，一雪前耻。 然而，傲娇的逻辑回归怎能就此善罢甘...
-
2023-01-15
-
2023-01-14
-
2023-01-14
-
2023-01-14
-
2023-01-14
推广返利