国际表示学习大会(The International Conference on Learning Representations)是致力于人工智能领域发展的国际知名学术会议之一。为了分析最新研究动向,本文精选了涵盖自监督学习、Transformer、图神经网络、自然语言处理、模型压缩等热点领域,将分多期为大家带来系列论文解读。
2021-11-14 21:37:05 14.41MB 自监督学习 Transformer
1
自己写的一个很有用的Kmeans演示Demo,使用MATLAB写的,有各种酷炫功能,值得大家下载来玩一玩。
2021-11-10 23:57:39 3KB Kmeans matlabGUI 无监督学习 机器学习
1
题目:Iris 数据集中有三类(Setosa、Versicolor、Virginica),任选两类实现逻辑回归 模型 分别将数据集的50% 作为训练集,50% 作为测试集;将数据集的70% 作为训练集,30% 作为测试集;将数据集的90% 作为训练集,10% 作为测试集,并检验模型在测试集上的分类正确率 最后实现了PCA对鸢尾花数据集的降维分析 除了PCA降维分析部分,全部代码手写实现,没有调用scikit-learn库
2021-11-09 18:15:03 57KB 机器学习 逻辑回归 监督学习
题目:Iris 数据集中有三类(Setosa、Versicolor、Virginica),任选两类实现逻辑回归 模型 分别将数据集的50% 作为训练集,50% 作为测试集;将数据集的70% 作为训练集,30% 作为测试集;将数据集的90% 作为训练集,10% 作为测试集,并检验模型在测试集上的分类正确率 最后实现了PCA对鸢尾花数据集的降维分析 除了PCA降维分析部分,全部代码手写实现,没有调用scikit-learn库
2021-11-09 18:15:03 57KB 机器学习 逻辑回归 监督学习
神经网络有监督学习 异或函数 反向传播的工作原理 RecognizeIt——鼠标手势的识别 一些有用的技术和技巧 监督学习的应用
2021-11-09 18:08:50 1.33MB 神经网络 有监督学习 代码
1
Python实现 目的 使用差距统计量动态识别数据集中建议的聚类数量。 在笔记本上使用完整的例子 安装: 出血边缘: pip install git+git://github.com/milesgranger/gap_statistic.git PyPi: pip install --upgrade gap-stat 使用Rust扩展名: pip install --upgrade gap-stat[rust] 卸载: pip uninstall gap-stat 方法: 该程序包提供了几种方法,可根据 (Tibshirani等人)中介绍的Gap方法,协助选择给定数据集的最佳簇。 所实现的方法可以使用一系列提供的k个值对给定的数据集进行聚类,并为您提供统计信息,以帮助您为数据集选择正确的聚类数。 三种可能的方法是: 取k最大化针对每个k计算的Gap值。 但是,这并非总是可能的,因为对于许多数据集,此值是单调增加或减少的。 取最小的k ,使得Gap(k)> = Gap(k + 1)-s(k + 1)。 这是Tibshirani等人建议的方法。 (有关详细信息,请咨询本文
2021-11-09 16:50:42 64KB python unsupervised clustering cluster
1
这个实现的目标数据集是MNIST,通过VAE生成,可以给初学者一个直观的有趣的尝试
2021-11-09 16:32:08 1KB VAE 无监督学习 minst
1
albert_zh 使用TensorFlow实现的实现 ALBert基于Bert,但有一些改进。 它以30%的参数减少,可在主要基准上达到最先进的性能。 对于albert_base_zh,它只有十个百分比参数与原始bert模型进行比较,并且保留了主要精度。 现在已经提供了针对中文的ALBERT预训练模型的不同版本,包括TensorFlow,PyTorch和Keras。 海量中文语料上预训练ALBERT模型:参数充分,效果更好。预训练小模型也能拿下13项NLP任务,ALBERT三大改造登顶GLUE基准 一键运行10个数据集,9个层次模型,不同任务上模型效果的详细对比,见 一键运行CLUE中
2021-11-07 16:51:30 969KB tensorflow pytorch albert bert
1
ml-in-action:出版书籍《机器学习入门到实践——MATLAB实践应用》一书中的实例程序。涉及监督学习,非监督学习和强化学习。(本书的代码“ MATLAB中的机器学习简介与操作” ”)
1
voxelmorph:基于学习的图像注册 voxelmorph是一个通用库,用于基于学习的工具进行对齐/配准,更常见的是使用变形建模。 讲解 访问以了解VoxelMorph和基于学习的注册 使用说明 要使用VoxelMorph库,请克隆此存储库并安装setup.py列出的要求,或者直接使用pip安装。 pip install voxelmorph 训练 如果您想训练自己的模型,则可能需要针对自己的数据集和数据格式在voxelmorph/generators.py自定义一些数据加载代码。 但是,假设您有一个包含npz(numpy)格式的训练数据文件的目录,则可以开箱即用地运行许多示例脚本。 假
1