草庐IT

unsupervised-learning

全部标签

【论文阅读-TPAMI2021】Curriculum Learning(课程学习)综述

简介Curriculumlearning(CL,课程学习)是一种模型训练策略,通过先让模型学习简单数据后再学习困难数据的方式模拟学生进行课程学习的场景。通用的课程学习框架为DifficultyMeasurer(困难程度评估)+TrainingScheduler(训练计划)两部分,具体也可将课程学习方法分为如下几种策略:Self-pacedLearning,TransferTeacher,RLTeacher,andOtherAutomaticCL。下图展示了课程学习的基本思路,先学习简单数据再学习复杂数据:论文链接:https://arxiv.org/abs/2010.13166CL具体思路下图

Azure Machine Learning - Azure AI 搜索中的矢量搜索

矢量搜索是一种信息检索方法,它使用内容的数字表示形式来执行搜索方案。由于内容是数字而不是纯文本,因此搜索引擎会匹配与查询最相似的矢量,而不需要匹配确切的字词。本文简要介绍了AzureAI搜索中的矢量支持。其中还解释了与其他Azure服务的集成,以及与矢量搜索开发相关的术语和概念关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人。AzureAI搜索中的矢量搜索是什么?矢量搜索是一项新功能,用于从搜索索引为矢量嵌入编制索引,以及存储和检

【论文笔记】A theory of learning from different domains

防盗https://www.cnblogs.com/setdong/p/17756127.htmldomainadaptation领域理论方向的重要论文.这篇笔记主要是推导文章中的定理,还有分析定理的直观解释.笔记中的章节号与论文中的保持一致.1.Introductiondomainadaptation的设定介绍:有两个域,sourcedomain与targetdomain.sourcedomain:一组从sourcedist.采样的带有标签的数据.targetdomain:一组从targetdist.采样的无标签的数据,或者有很少的数据带标签.其中sourcedist.≠\neq=targ

Azure Machine Learning - Azure AI 搜索中的集成数据分块和嵌入

在基于索引器的索引编制中,AzureAI_集成矢量化_将数据分块和文本到矢量嵌入添加到技能中,它还为查询添加文本到矢量的转换。关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人。一、组件图下图显示了集成矢量化的组件。下面是负责集成矢量化的组件清单:基于索引器的索引编制支持的数据源。一个用于指定矢量字段的索引,以及一个分配到矢量字段的矢量化器定义。一个用于为数据分块提供文本拆分技能的技能组,以及一个矢量化技能(AzureOpenAiE

AI机器学习 | 基于librosa库和使用scikit-learn库中的分类器进行语音识别

专栏集锦,大佬们可以收藏以备不时之需SpringCloud实战专栏:https://blog.csdn.net/superdangbo/category_9270827.htmlPython实战专栏:https://blog.csdn.net/superdangbo/category_9271194.htmlLogback详解专栏:https://blog.csdn.net/superdangbo/category_9271502.htmltensorflow专栏:https://blog.csdn.net/superdangbo/category_8691332.htmlRedis专栏:ht

Deep learning of free boundary and Stefan problems论文阅读复现

DeeplearningoffreeboundaryandStefanproblems论文阅读复现摘要1.一维一相Stefan问题1.1DirectStefanproblem1.2InverseTypeI1.3InverseTypeII2.一维二相Stefan问题2.1DirectStefanproblem2.2InverseTypeI2.3InverseTypeII3.二维一相Stefan问题参考摘要在这项工作中,作者提出了一个基于物理信息神经网络的多网络模型,来解决一类一般的正和逆自由边界问题,称为Stefan问题。具体地说,用两个深度神经网络来近似未知解以及任何移动边界。作者提供了三个案

【视频异常检测-论文阅读】Anomaly Detection in Video via Self-Supervised and Multi-Task Learning

来源:Georgescu,Mariana-Iuliana,etal.“AnomalyDetectioninVideoviaSelf-SupervisedandMulti-TaskLearning.”2021IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR),June2021.Crossref,https://doi.org/10.1109/cvpr46437.2021.01255.OfficialURL: CVPR2021OpenAccessRepositoryCode:GitHub-lilygeorgescu/AED-S

推荐系统论文阅读总结:SIGIR 2023 Multi-behavior Self-supervised Learning for Recommendation

代码:https://github.com/Scofield666/MBSSL论文:https://arxiv.org/pdf/2305.18238.pdf在论文阅读中我会根据自己以往的阅读经历和自己的一些工作进行总结(才疏学浅)~至于为什么要写这个论文阅读文章,也是因为总结学到的东西,总好过匆匆看完一篇论文。在此之后我会不定期更新关于推荐的各大顶会论文的阅读笔记(更多是多行为推荐)。这篇论文的代码阅读也写完了,可以搭配一起看,地址:代码阅读:SIGIR2023Multi-behaviorSelf-supervisedLearningforRecommendation_推荐系统YYDS的博客-

AI机器学习实战 | 使用 Python 和 scikit-learn 库进行情感分析

专栏集锦,大佬们可以收藏以备不时之需SpringCloud实战专栏:https://blog.csdn.net/superdangbo/category_9270827.htmlPython实战专栏:https://blog.csdn.net/superdangbo/category_9271194.htmlLogback详解专栏:https://blog.csdn.net/superdangbo/category_9271502.htmltensorflow专栏:https://blog.csdn.net/superdangbo/category_8691332.htmlRedis专栏:ht

Learn Prompt- Midjourney 图片生成:基本设置和预设

/settings指令为模型版本、样式值、质量值和升级器版本等常用选项提供切换按钮。备注添加到提示末尾的参数将覆盖/settings中的设置。模型版本​1️⃣MJVersion12️⃣MJVersion23️⃣MJVersion34️⃣MJVersion45️⃣MJVersion5🌈NijiMode🤖MJTest📷MJTestPhoto这些按钮可用于设置使用的模型版本。MJVersion5只适用于有Midjourney订阅的用户Midjourney预设默认为最新型号。切换模型的方式有两种:在提示后面添加--version [v1|v2|v3|v4|v5]。(version可以缩写成v)使用/s