相关文章
AI周报（9.1-9.7）
AI应用-Tidal 引领海洋养殖革命 Tidal团队，一个源自Alphabet X的创新项目，今年七月顺利从X实验室毕业，成为一家独立的公司。Tidal正在通过人工智能技术改变海洋养殖，特别是鲑鱼养殖。Tidal的总部位于挪威特隆赫姆，他们结合了传感器、机器人、数据科学和人工智能技术，为鲑鱼养殖提供全面的解决方案。这个系统可以监控鱼类并提供产量估算，旨在在问题（如海虱）造成严重损害之前发现它们
王知无的技术周报(3.25-3.29日)
发件人：王知无 收件人：我的朋友们 本周知识点 01 我是如何失去一位女粉丝的 一位女粉丝管我要一张真人照片，问题来了，她要张真人照片做什么用？ 02 ApacheFlink深度解析-JOIN-LATERAL 本篇重点向大家介绍了一种新的JOIN类型 - JOIN LATERAL。并向大家介绍了SQL Server中对LATERAL的支持方式，详细分析了JOIN LATERAL和I
周报 | 24.8.26-24.9.1文章汇总
为了更好地整理文章和发表接下来的文章，以后每周都汇总一份周报。 周报 | 24.8.19-24.8.25文章汇总-CSDN博客 python | 提升代码迭代速度的Python重载方法-CSDN博客 机器学习算法与Python学习 | 黑匣子被打开了？能玩的Transformer可视化解释工具！_研究别人的黑盒算法 机器学习 python-CSDN博客 极市平台 | 语言图像模型大一统！M
学习周报-2024.8.31
目录 摘要 Abstract 创新点总结 模型数学原理 实验设置 一、验证实验 二、对比实验 摘要 这周重新梳理出论文的三个创新点，对所提出方法进行数学原理验证，证明其可行性。重新设置了实验部分，分为验证实验和对比实验，一共四个实验，选用基线对比模型有LSTM、GRU、MLP、ITransformer。这周对数据做了选择和处理，后续需要继续调整数据和模型，以达到实验结果要
机器学习周报（8.26-9.1）
文章目录 摘要Abstractself-attetionQKV理解如何让self-attention更有效local attention/truncated attention方法stride attention方法Global Attention方法data driving方法Clusteringsinkhorn sorting network选取representative keys减少
周报_2024/9/1
周报 时间 2024/8/26——2024/9/1 科研进展 1.为模型融入TTT层重复实验 2.设计新实验架构，融合主机级、流级统计特征和包级原始数据 下周计划 实现新实验架构
机器学习课程学习周报十
机器学习课程学习周报十 文章目录 机器学习课程学习周报十摘要Abstract一、机器学习部分1.1 生成对抗网络1.2 生成器与辨别器的训练过程1.3 信息论1.3.1 信息量1.3.2 熵1.3.3 交叉熵1.3.4 相对熵/KL散度1.3.5 交叉熵损失函数1.3.6 JS散度 1.4 GAN的理论介绍 总结 摘要 本周学习了生成对抗网络（GAN）的基本原理和训练过程。重
EXCEL VBA根据数据生成word文档周报并加背景格式突出显示
EXCEL VBA根据数据生成word文档周报并加背景格式突出显示 Public wwSub 生成word()Dim ww As WorksheetDim wj As WorksheetDim wz As WorksheetDim wb As WorkbookDim wbf As Workbookfpath = ThisWorkbook.Path & "\"fname = Dir(fpath)h
2024年8月20日~2024年8月26日周报
目录 一、前言 二、完成情况 2.1 解决网络波动问题——学习率 2.2 设计盐数据速度模型展示图 三、下周计划 一、前言 上周主要完成： ①与老师讨论损失函数与介绍部分内容；②基于盐数据设计TU-Net的网络架构，并思考如何引出该网络架构；③验证TU-Net在SEG模拟盐数据上的适用情况； 本周主要完成： ①解决验证集上损失函数的波动问题；
周报(8.12-8.18)
周报(8.12-8.18) 本周工作 DD-Net学习与代码复现 DD-Net网络结构如上图所示。DD-Net也有一个为处理OpenFWI数据的版本：DD-Net70： 与传统DL-FWI不同的是，DD-Net同时拥有两个解码器，第一个解码器的目标是传统的速度模型，它侧重于速度值的精确拟合，这也是用于生成速度图像的主要解码器；第二个解码器的目标是速度模型边缘信息，将Canny轮廓提