完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 數(shù)據(jù)集
文章:1160個(gè) 瀏覽:25910次 帖子:33個(gè)
利用隨機(jī)森林進(jìn)行特征重要性評(píng)估
隨機(jī)森林是以決策樹為基學(xué)習(xí)器的集成學(xué)習(xí)算法。隨機(jī)森林非常簡(jiǎn)單,易于實(shí)現(xiàn),計(jì)算開(kāi)銷也很小,更令人驚奇的是它在分類和回歸上表現(xiàn)出了十分驚人的性能,因此,隨機(jī)...
2022-10-10 標(biāo)簽:RF數(shù)據(jù)集 3k 0
航天宏圖衛(wèi)星數(shù)據(jù)進(jìn)一步提升建筑屬性估計(jì)精度
? 一、比賽背景 International Geoscience and Remote Sensing Symposium (IGARSS)是IEEE...
2023-08-25 標(biāo)簽:雷達(dá)遙感數(shù)據(jù)集 2.9k 0
圖文多模態(tài)領(lǐng)域典型任務(wù)如img-text retrieval、VQA、captioning、grounding等,目前的學(xué)術(shù)設(shè)定難度尚可。但是, 一旦知...
2022-09-01 標(biāo)簽:語(yǔ)言模型數(shù)據(jù)集nlp 2.9k 0
大模型外掛知識(shí)庫(kù)優(yōu)化-大模型輔助向量召回
用LLM根據(jù)用戶query生成k個(gè)“假答案”。(大模型生成答案采用sample模式,保證生成的k個(gè)答案不一樣,不懂LLM生成答案原理的同學(xué)可以看我這篇文...
2023-09-08 標(biāo)簽:向量數(shù)據(jù)集大模型 2.9k 0
一個(gè)真實(shí)閑聊多模態(tài)數(shù)據(jù)集TikTalk
隨著大量預(yù)訓(xùn)練語(yǔ)言模型在文本對(duì)話任務(wù)中的出色表現(xiàn),以及多模態(tài)的發(fā)展,在對(duì)話中引入多模態(tài)信息已經(jīng)引起了大量學(xué)者的關(guān)注。
2023-02-09 標(biāo)簽:IGCT數(shù)據(jù)集 2.9k 0
機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用
在本章中,我們將討論機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用。首先,定義機(jī)器學(xué)習(xí),并學(xué)習(xí)它的兩種算法——監(jiān)督算法和無(wú)監(jiān)督算法;其次,討論一些流行的無(wú)監(jiān)督機(jī)器學(xué)習(xí)技...
2022-10-18 標(biāo)簽:圖像處理機(jī)器學(xué)習(xí)數(shù)據(jù)集 2.9k 0
NLP-Progress庫(kù)NLP的最新數(shù)據(jù)集、論文和代碼
方向是自然語(yǔ)言處理的同學(xué)們有福啦,為了跟蹤自然語(yǔ)言處理(NLP)的進(jìn)展,有大量仁人志士在 Github 上維護(hù)了一個(gè)名為 NLP-Progress 的庫(kù)...
2018-11-17 標(biāo)簽:代碼數(shù)據(jù)集NLP 2.9k 0
基準(zhǔn)數(shù)據(jù)集(CORR2CAUSE)如何測(cè)試大語(yǔ)言模型(LLM)的純因果推理能力
? 因果推理是人類智力的標(biāo)志之一。因果關(guān)系NLP領(lǐng)域近年來(lái)引起了人們的極大興趣,但其主要依賴于從常識(shí)知識(shí)中發(fā)現(xiàn)因果關(guān)系。本研究提出了一個(gè)基準(zhǔn)數(shù)據(jù)集(CO...
2023-06-20 標(biāo)簽:編碼語(yǔ)言模型數(shù)據(jù)集 2.9k 0
深度神經(jīng)網(wǎng)絡(luò)竟然是模塊化的?
先把數(shù)據(jù)轉(zhuǎn)換為圖,所有的數(shù)據(jù)看做是空間中的點(diǎn),點(diǎn)和點(diǎn)之間用邊相連。距離較遠(yuǎn)的兩個(gè)點(diǎn),它們之間邊的權(quán)重值較低,距離較近的兩點(diǎn)之間邊的權(quán)重值較高。
2020-03-27 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)模塊化數(shù)據(jù)集 2.9k 0
現(xiàn)有的工作主要是利用中小規(guī)模的圖像數(shù)據(jù)集進(jìn)行食品圖像識(shí)別,如ETH Food-101[5]、Vireo Food-172[6]和ISIA Food- 5...
2023-05-17 標(biāo)簽:圖像識(shí)別圖像檢索數(shù)據(jù)集 2.9k 0
我們能否讓機(jī)器人以同觀察和實(shí)踐學(xué)會(huì)使用工具?
我們的設(shè)計(jì)使機(jī)器人明白如何使用不同的物體作為工具來(lái)實(shí)現(xiàn)指定的任務(wù)(根據(jù)黃色箭頭標(biāo)記)。機(jī)器人在執(zhí)行任務(wù)期間自行決定是否使用已提供的工具。
2019-04-29 標(biāo)簽:機(jī)器人數(shù)據(jù)集強(qiáng)化學(xué)習(xí) 2.8k 0
頂刊TIP 2023!浙大提出:基于全頻域通道選擇的的無(wú)監(jiān)督異常檢測(cè)
Density-based方法:基于密度的方法通常采用預(yù)訓(xùn)練的模型來(lái)提取輸入圖像的有意義嵌入向量,測(cè)試圖像時(shí)通過(guò)計(jì)算嵌入表示與參考表示分布之間的相似度以...
不同的量化策略,得到的結(jié)果可能稍有差異,另外高版本上的INT8量化之后到低版本的TensorRT機(jī)器上可能無(wú)法運(yùn)行,我就遇到過(guò)!所以建議不同平臺(tái)要統(tǒng)一T...
2022-09-23 標(biāo)簽:格式模型數(shù)據(jù)集 2.8k 0
最后,如果你觀察一個(gè)單一決策樹,重要的特征會(huì)出現(xiàn)在更靠近根部的位置,而不重要的特征會(huì)經(jīng)常出現(xiàn)在靠近葉子的位置。因此我們可以通過(guò)計(jì)算一個(gè)特征在森林的全部樹...
2018-07-20 標(biāo)簽:分類器數(shù)據(jù)集決策樹 2.8k 0
新型的端到端弱監(jiān)督篇幅級(jí)手寫中文文本識(shí)別方法PageNet
PageNet與現(xiàn)有方法在MTHv2、SCUT-HCCDoc和JS-SCUT PrintCC數(shù)據(jù)集上的端到端識(shí)別指標(biāo)對(duì)比如下表所示。可以看出,在MTHv...
2023-01-12 標(biāo)簽:Ar數(shù)據(jù)集半監(jiān)督學(xué)習(xí) 2.8k 0
Hadoop是一個(gè)開(kāi)源的分布式計(jì)算框架,它可以處理大規(guī)模數(shù)據(jù)集并能夠在通常由計(jì)算機(jī)集群或者計(jì)算機(jī)網(wǎng)絡(luò)上的數(shù)千臺(tái)計(jì)算機(jī)上并行運(yùn)行。Hadoop的設(shè)計(jì)初衷是...
2024-02-05 標(biāo)簽:存儲(chǔ)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)集 2.7k 0
計(jì)標(biāo)簽為正樣本,分類為正樣本的數(shù)目為True Positive,簡(jiǎn)稱TP,標(biāo)簽為正樣本,分類為負(fù)樣本的數(shù)目為「False Negative」,簡(jiǎn)稱FN,...
2023-02-10 標(biāo)簽:模型圖像分類數(shù)據(jù)集 2.7k 0
神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小怎么看
神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小是衡量神經(jīng)網(wǎng)絡(luò)性能的重要指標(biāo)之一。本文將介紹如何評(píng)估神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小,包括誤差的定義、評(píng)估方法、誤差分析以及誤差優(yōu)化策略等方面的...
2024-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)參數(shù)模型 2.7k 0
近年來(lái),多傳感器融合算法發(fā)展迅猛,不同傳感器可以相互補(bǔ)充,通過(guò)融合提高系統(tǒng)的感知能力。但受限于標(biāo)定成本和時(shí)間同步問(wèn)題,多傳感器數(shù)據(jù)集卻不多。
還在愁到哪里找到需要的機(jī)器學(xué)習(xí)數(shù)據(jù)集嗎?
斯坦福問(wèn)答數(shù)據(jù)集 (Stanford Question answer Dataset, SQuAD) 是一個(gè)全新的閱讀理解數(shù)據(jù)集,由眾包工作者根據(jù)維基百...
2019-03-29 標(biāo)簽:計(jì)算機(jī)視覺(jué)機(jī)器學(xué)習(xí)數(shù)據(jù)集 2.7k 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |