注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘算法概要说明

  2. 数据挖掘、机器学习中各种常用模型的概念、算法汇总。内容包括：数据仓库、特征提取、模糊集、粗糙集、Fourier变换、小波变换、决策树、关联关则、kNN、聚类分析、朴素贝叶斯、EM、神经网络、遗传算法、支持向量机、隐Markov模型；提升模型、共同训练、主动学习、直推学习、广义EM算法、强化学习；学习机性能评估等。内容有一定的深度，不宜初学者。

  3. 所属分类：其它

    • 发布日期：2007-11-18
    • 文件大小：463872
    • 提供者：yetzi1975

  1. 深度学习的物体识别原版论文（英文）

  2. 卷积神经网络，深度学习，主动学习，半监督学习。 题目：Incremental Deep Learning for Robust Object Detection in Unknown Cluttered Environments。

  3. 所属分类：深度学习

    • 发布日期：2018-12-26
    • 文件大小：1048576
    • 提供者：qq_41041725

  1. 基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究.pdf

  2. 为促进居民用户柔性负荷高效参与需求响应，帮助 用户从被动角色转变为主动角色，实现需求侧最大效益。本文在智能电网环境下，根据用电设备的特性，以概率论 的角度对家电设备状态进行描述定义，基于异步深度强化 学习(asynchronous deep reinforcement learning，ADRL)进 行家庭能源管理系统调度的在线优化。学习过程采用异步 优势演员-评判家(asynchronous advantage actor-critic， A3C)方法，联合用户历史用电设备运行状态

  3. 所属分类：讲义

    • 发布日期：2020-01-03
    • 文件大小：994304
    • 提供者：SparkQiang

  1. 强化学习代码和课件.zip

  2. 强化学习课件，强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 [1] 。 强化学习的常见模型是标准的马尔可夫决策过程（Markov Decision Process, MDP）。按给定条件，强化学习可分为基于模式的强化学习（model-based RL）和无模式强化学习（model-free RL） [1]

  3. 所属分类：C/C++

    • 发布日期：2020-08-13
    • 文件大小：78643200
    • 提供者：qq_18822147

  1. 深度主动学习综述论文

  2. 主动学习试图在具有尽可能少标注样本的同时最大化模型的性能增益。深度学习(Deep learning, DL)需要大量标注数据，如果模型要学习如何提取高质量的特征，就需要大量的数据供应来优化大量的参数。

  3. 所属分类：机器学习

    • 发布日期：2020-09-06
    • 文件大小：1048576
    • 提供者：syp_net

  1. 基于机器学习的电网设备故障综合研判分析

  2. 近年来，新技术、新工艺的广泛应用使得电网建设得到长足的发展，给电网管理提出了更高的要求。电网业务涉及广泛，横跨多个信息系统，数据交错复杂、体量大，如何深度挖掘数据价值以应用到电网故障研判已经成为当前配网作业面临的巨大挑战。通过开展电网设备故障综合研判，进行数据的高效融合与深度挖掘，大幅度提升电网安全稳定运行水平，融合多元数据实现主动抢修，准确定位电网公司目前客户服务薄弱点，从而有效提升客户满意度，提高电网公司配网管理水平，提升企业形象。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：427008
    • 提供者：weixin_38546789

  1. AutoDL-Projects:在PyTorch中实现的自动化深度学习算法-源码

  2. 自动化深度学习项目（AutoDL-Projects）是一个开源，轻量级但对所有人有用的项目。 该项目实施了几种神经体系结构搜索（NAS）和超参数优化（HPO）算法。中文介绍见 谁应该考虑使用AutoDL-Projects 想要尝试不同AutoDL算法的初学者 想要尝试使用AutoDL调查AutoDL是否适用于您的项目的工程师 想要轻松实现和尝试新的AutoDL算法的研究人员。 我们为什么要使用AutoDL-Projects 简单的库依赖 所有算法都在同一代码库中 主动维护 AutoDL-

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1026048
    • 提供者：weixin_42099814

  1. 一文读懂深度学习与机器学习的差异

  2. 机器学习和深度学习变得越来越火。突然之间，不管是了解的还是不了解的，所有人都在谈论机器学习和深度学习。无论你是否主动关注过数据科学，你应该已经听说过这两个名词了。为了展示他们的火热程度，我在Googletrend上搜索了这些关键字：如果你想让自己弄清楚机器学习和深度学习的区别，请阅读本篇文章，我将用通俗易懂的语言为你介绍他们之间的差别。下文详细解释了机器学习和深度学习中的术语。并且，我比较了他们两者的不同，别说明了他们各自的使用场景。让我们从基础知识开始：什么是机器学习？和什么是深度学习？如果你

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：371712
    • 提供者：weixin_38549721

  1. 深度神经网络移动终端GPU加速实践

  2. 本文来自于网络，介绍了如何选择并训练模型，处理数据，以及在终端移动设备上工程化落地深度神经网络并做GPU加速，。AI无疑是近几年的超级风口，“AllinAI“等押宝AI的口号层出不穷，AI的风头一时无两。实现AI有很多种途径方法，这其中深度学习神经网络被认为是最有可能实现AI的途径。作为工程人出身的我们，更是迫切需要主动去迎接AI时代的到来，带着智能图像识别的需求，我们尝试去工程化深度神经网络并最终落地，当中的一些实践经验通过本文记录下来。MobileNet是谷歌为移动终端设备专门设计的高效深度

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：675840
    • 提供者：weixin_38609401

  1. TDA导向的深度学习架构

  2. 基于随机梯度下降（SGD）的优化算法的困局：之前在学校的时候，我曾试图利用内网的论坛给学生洗脑，批判当下深度学习的几个瓶颈和未来TDA可以带来的贡献和突破。说实在，现在看来，那时是tooyoungtoosimple了：深度学习的梅开二度是有坚实的使用场景和卓越的效果来支撑的。在自己也玩了一阵子一些开源的深度学习框架后，回顾当初的论断（训练的封闭性，数据／信号的单向流动－非双向互动的学习，以及学习流程相对的静态和局部性），虽然仍然难以推翻，但是当下研究的火热的强化学习，主动／线上学习和迁移学习（t

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：513024
    • 提供者：weixin_38728464

  1. sleap：用于多动物姿势跟踪的深度学习框架-源码

  2. SLEAP-社会LEAP估计动物姿势 SLEAP是一个基于开源深度学习的框架，用于估计动物身体部位的位置。 它支持多动物姿势估计和跟踪，并包括用于主动学习和校对的高级标签/训练GUI。 SLEAP由。 它使用Python编写，并使用TensorFlow 2进行机器学习，并使用Qt / PySide2进行图形用户界面。 特征 专用的GUI和人在环工作流程，可快速标记大型数据集 采用自上而下和自下而上的训练策略进行多动物姿势估计 先进的预训练和可定制的神经网络架构，可在很少标签的情况下提供准确的

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：52428800
    • 提供者：weixin_42134338

  1. 很棒的转移学习：最佳的转移学习和领域适应资源（论文，教程，数据集等）-源码

  2. 优秀的转学 一般而言，有关转移学习，领域适应和领域到领域翻译的杰出论文列表和很棒的资源！ 您将注意到，该列表当前主要集中在域适应（DA）和域到域转换，但是请毫不犹豫地建议其他学习转移领域的资源。 注意：此列表不再处于主动维护状态，但是我仍然接受请求请求，因此，如果您想使用更新的资源做出贡献，请不要犹豫 目录 教程和博客 文件 论文按主题排序，每个主题内按发布日期排序（arXiv论文的提交日期）。 如果在论文中为网络或算法指定了名称，则该名称应以粗体写在论文名称之前。 调查 （2009年） （

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：8192
    • 提供者：weixin_42125867

  1. 逆向深度q学习-源码

  2. 创建三个玩Reversi游戏的AI代理（也称为商标Othello）。 由python撰写 game_play.py 该文件将播放两个AI代理。 从命令行，使用以下命令调用此函数： python gameplay.py [-t ] [-v] [-r] player1 player2 其中player1.py和player2.py是包含nextMove和nextMoveR的python文件。 标志-v代表详细输出（每转之后显示板，已经实现），标志-r代表“反转”（使用nextMoveR而不是n

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：8192
    • 提供者：weixin_42099530

  1. 监视-异常检测-美联储学习-源码

  2. 通过半监督联合主动学习在监视中进行实词异常检测 该项目展示了用于监控视频中异常检测的半监督深度学习模型的部署和研究，该视频部署在同步联合学习体系结构上，并在许多节点上进行了培训。 联合学习是一种用于从多个数据集中进行分布式学习的机器学习范例，可避免收集超出位置的数据共享。 联合学习在多个训练节点之间建立了一个协作架构，该节点对它们的本地数据执行本地拟合并将本地模型聚合为一个全局模型，该全局模型收集各个节点涵盖的所有知识。 由于从未共享本地数据，因此这有助于保持隐私，并且数据固有的法律约束。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：104448
    • 提供者：weixin_42097369

  1. AKSDeploymentTutorial：有关如何在启用GPU的Kubernetes集群上部署深度学习模型的教程-源码

  2. 该存储库不再处于主动维护状态，请查看使用Azure Machine Learning提供的较新版本。 作者：Mathew Salvaris和Fidan Boylu Uz 使用GPU在Kubernetes集群上部署深度学习CNN 总览 在此存储库中，Jupyter笔记本中有许多教程，其中包含有关如何在启用GPU的Kubernetes集群上部署预训练的深度学习模型的逐步说明。 这些教程涵盖了如何从以下深度学习框架中部署模型： 对于每个框架，我们都要执行以下步骤： 在模型开发中，我们加载预训练的模

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42120405

  1. peax：Peax是一种基于自动编码器的无监督表示学习的交互式视觉模式搜索和探索表观基因组数据的工具-源码

  2. 皮克斯 使用无监督的深度表示学习的表观基因组数据的可视模式浏览器 表观基因组数据表达了丰富多样的模式，可帮助识别调控元件，如启动子，增强子等。但是，要在全基因组范围内可靠地找到这些模式是一项挑战。 Peax是一种基于卷积自动编码器的无监督表示学习，用于交互式视觉模式搜索和表观基因组模式探索的工具。 视觉搜索由手动标记的基因组区域驱动，用于主动学习分类器以反映您的兴趣概念。 引用： Lekschas等， ，计算机图形学论坛，2020，doi： 。 更多详细信息： 安装 要求： >

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：13631488
    • 提供者：weixin_42116681

  1. StereoNet-ActiveStereoNet：立体匹配StereoNet：pytorch中的实时边缘感知深度预测模型的指导层次细化。 ECCV2018; ActiveStereoNet：主动立体声系统的端到端自我监督学习ECCV201

  2. StereoNet：在pytorch中对实时边缘感知深度预测模型进行指导的分层优化。 ECCV2018 ActiveStereoNet：主动立体声系统的端到端自我监督学习ECCV2018口语 如果您想就StereoNet与我交流，请随时与我联系。 我的电子邮件： 我的模型结果 现在，通过端到端训练，我的模型的速度可以在540 * 960 img上达到25 FPS，在场景流数据集上，最佳结果是1.87 EPE_all（使用16X多个模型），1.95 EPE_all（使用16X单个模型）。 以下是侧

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：8388608
    • 提供者：weixin_42100129

  1. ALiPy：ALiPy：Python中的主动学习是一种主动学习python工具箱，它使用户可以方便地评估，比较和分析主动学习方法的性能-源码

  2. ALiPy：Python中的主动学习 作者：唐英鹏，李国祥， 在线文档： : 介绍 ALiPy是一个基于Python实现的主动学习工具包，内置20余种主动学习算法，并提供包括数据处理，结果可视化等工具。ALiPy根据主动学习框架的不同部件提供了一些独立的工具类，这样可以减少可以方便地支持不同主动学习场景，可以使用户自由地组织自己的项目，用户可以不必继承任何接口来实现自己的算法与替换项目中的部件。从而，ALiPy可以支持多种不同的主动学习场景，如标注注意敏感，噪声标注者，多标记查询等。详细的介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：167936
    • 提供者：weixin_42146274

  1. amazon-sagemaker-examples：示例笔记本，显示如何在Amazon SageMaker中应用机器学习，深度学习和强化学习-源码

  2. Amazon SageMaker示例 该存储库包含示例笔记本，这些笔记本显示了如何在应用机器学习和深度学习 例子 地面真理标签工作简介 这些示例提供了快速演练，以帮助您入门和使用Amazon SageMaker Ground Truth的贴标作业工作流。 功能的是一个端到端示例，展示了如何将自定义培训，推理逻辑和主动学习功能带入Amazon SageMaker生态系统。 是一个端到端示例，该示例以未标记的数据集开头，使用地面真相API对其进行标记，分析结果，训练图像分类神经使用带注释的数据集

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：183500800
    • 提供者：weixin_42146230

  1. 通过深度强化学习对未修剪视频进行主动时间动作检测

  2. 通过深度强化学习对未修剪视频进行主动时间动作检测

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：1048576
    • 提供者：weixin_38740397
« 12 »