对于自然场景的文字识别我们会遇到了许多不规则裁剪的图像，其中包含文本表示。虽然已经引入了许多复杂的想法来从图像中提取确切的文本。例如光学字符识别 (OCR)、基于 RNN 的 seq2seq 注意方...

自动构建用于时间序列异常值检测的机器学习管道。 时间序列异常值检测旨在识别数据中意外或罕见的实例。作为数据分析最重要的任务之一，异常值检测在时间序列数据上有多种应用，例如欺诈检测...

图注意、图卷积、网络传播都是图神经网络中消息传递的特殊情况。 消息传递网络（MPN）、图注意力网络（GAT）、图卷积网络（GCN），甚至网络传播（NP）都是属于图神经网络（GNN）范畴的密切相...

GIRAFFE是一个基于学习的、完全可微的渲染引擎，用于将场景合成为多个“特征域”的总和。 CVPR 2021年结束了，深度学习继续在计算机视觉领域占据主导地位，包括SLAM、姿态估计、深度估计、新...

本篇文章试图解释描述深度学习模型Social-LSTM的研究论文 Social LSTM的动机 Social LSTM是一种模型，它可以根据行人过去的轨迹数据预测他们未来的轨迹(我们可以为其他类型的物体定制轨迹)。...

介绍 使用精度和召回率评估目标检测模型可以为模型在不同置信度下的表现提供有价值的见解。类似地，F1分数在确定平衡给定模型的精度和查全率值的最佳置信度时特别有用;但是，该值跨越了从0到...

使用模型属性、本地逻辑表示和全局逻辑表示从黑盒模型生成解释 快速回顾：XAI 和 NSC 可解释人工智能 (XAI) 致力于开发对人类（包括用户、开发人员、政策制定者和审计人员）来说本质上更容易...

一些博弈论困境，如著名的布雷斯悖论，对多智能体强化学习有着深刻的影响。 纵观历史，人类已经建立了许多既需要自主行动又需要参与者之间协调互动的系统。交通网络、智能电网或股票市场就是...

量子退火器是一类可以帮助解决NP-hard和NP-complete问题的量子计算机。下面是一个对社交网络、推荐系统等具有实际意义的例子。 图是由一组由边连接的节点组成的数据结构。图无处不在:它们可以...

你可能听说过图卷积，因为它在当时是一个非常热门的话题。虽然不太为人所知，但网络传播是计算生物学中用于网络学习的主要方法。在这篇文章中，我们将深入研究网络传播背后的理论和直觉，我们...

大多数现代的NLP系统都遵循一种非常标准的方法来训练各种用例的新模型，即先训练后微调。在这里，预处理训练的目标是利用大量未标记的文本，在对各种特定的自然语言处理任务(如机器翻译、文本...

制作一份简历有很多好方法。也有很多不好的方式。 特别是在数据科学领域，初级职位的申请者往往过多，拥有一份好的简历是极其重要的。 最重要的是保持一份精简易读的简历。如果你的简历是一堆...

卷积神经网络是一种特殊类型的人工神经网络，广泛应用于图像识别。这种架构的成功始于 2015 年，当时凭借这种方法赢得了 ImageNet 图像分类挑战。 这些方法非常强大并且能够很好地进行预测，...

可解释人工智能又向前迈进了一步，以及为什么现有的解释方法难以适用于gnn 可解释性是深度学习中的一个大课题，因为它可以实现更可靠和可信的预测。 由于图结构的不规则性，现有的解释方法难...

介绍 人类从小就在日常活动中成长和学习。人类通过学习一项任务来获取知识。通过使用相同的知识，我们倾向于解决相关的任务。 在实时场景中 知道如何骑自行车⮫学习如何骑摩托车 知道如何弹奏...

在这篇文章中，我们将看到如何处理回归问题，以及如何通过使用特征转换、特征工程、聚类、增强算法等概念来提高机器学习模型的准确性。 数据科学是一个迭代的过程，只有经过反复的实验，我们...

我在Twitter上偶然遇到了chefboost，因为我之前从未听说过它，所以我决定快速查看并测试它。在本文中，我将简要介绍这个库，并提到它与常用库scikit-learn的主要区别，并展示一个在实践中使用...

介绍 机器学习是一种解决不能明确编码的问题的方法，例如，分类问题。机器学习模型将从数据中学习一种模式，因此我们可以使用它来确定数据属于哪个类。 但有个问题。这个模型是如何工作的?一...

灵感 最近我拜访了我的表妹，她已经尝试学习钢琴有一段时间了。然而由于疫情，她的老师不能外出，他们正在通过zoom会议练习。那时我萌生了制作虚拟钢琴的想法，她的老师和她都可以用它来学习...

插值是一种在已知数据点的离散集合范围内构造新数据点的方法。我们对自变量的中间值插值(或估计)该函数的值。 有各种各样的插值。让我们关注其中的三个 近邻插值 这种类型的插值是最基本的。...