predictive专题
PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs
这是一篇2017年发表在顶级期刊NIPS上的文章，作者通过发现传统RNN/LSTM网络的不足，提出了一种新的网络结构PredRNN，并且为这一网络结构设计了一种新的RNN单元（ST-LSTM)。由于博主能力有限，通过阅读原文短时间能只是领悟到PredRNN这一网络结构的思想，而并未对ST-LSTM的设计灵感有更深的体会。 下面这篇博文主要是来介绍一下什么是PredRNN，以及通过作者的设
【论文阅读笔记】 Representation Learning with Contrastive Predictive Coding
Representation Learning with Contrastive Predictive Coding 摘要 这段文字是论文的摘要，作者讨论了监督学习在许多应用中取得的巨大进展，然而无监督学习并没有得到如此广泛的应用，仍然是人工智能中一个重要且具有挑战性的任务。在这项工作中，作者提出了一种通用的无监督学习方法，用于从高维数据中提取有用的表示，被称为“对比预测编码”（Contra
Model Predictive Control
大量的预测控制权威性文献都无一例外地指出, 预测控制最大的吸引力在于它具有显式处理约束的能力, 这种能力来自其基于模型对系统未来动态行为的预测, 通过把约束加到未来的输入、输出或状态变量上, 可以把约束显式表示在一个在线求解的二次规划或非线性规划问题中. 预测算法的三要素：内部（预测）模型、滚动优化、反馈控制。 1.基于模型的预测 在MPC算法中，需要一个描述对象动态行为的模型，这个模型的作用
# Representation Learning with Contrastive Predictive Coding
Representation Learning with Contrastive Predictive Coding 尽管监督学习在许多应用中取得了巨大进展，但无监督学习尚未得到如此广泛的采用，仍然是人工智能的重要和具有挑战性的努力。在这项工作中，我们提出了一种通用的无监督学习方法来从高维数据中提取有用的表示，我们称之为对比预测编码。 我们模型的关键见解是通过使用强大的自回归模型在潜空间中预测
Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles
使用深度神经网络集合预测点的分布 1.摘要 深度神经网络是一个在处理黑盒优化问题时的很好的预测器。然而量化神经网络的不确定性的问题仍然具有挑战且有待解决。 贝叶斯神经网络是目前最先进的估计预测不确定性的方法，然而这些方法都需要对训练过程进行重大修改，与标准（非贝叶斯）神经网络相比计算昂贵。 我们提出了一种贝叶斯神经网络的替代方案，它易于实现，易于并行，并产生高质量的预测不确定性估计。通过分
Positive predictive value
原文转载于：http://en.wikipedia.org/wiki/Positive_predictive_value Positive predictive value From Wikipedia, the free encyclopedia This article needs additional citations for verific
【强化学习算法】Temporal Difference learning for Model Predictive Control论文(TDMPC)总结
文章目录 TDMPC总结1.model-based & model-free方法1.1 本质区别 1.2 优缺点 2.on-policy & off-policy2.1 定义2.2 优缺点 3.本文Temporal Difference learning for Model Predictive Control3.1 重点要解决什么问题3.2 算法原理3.2.1 预备知识：Model Pr
论文阅读：Representation Learning with Contrastive Predictive Coding
Representation Learning with Contrastive Predictive Coding 参考一些NLP方法 理解Contrastive Learning CPC Motivation: 该论文认为，随着预测未来更多的帧，一些noisy的低层信息会被忽略掉，更多的共享信息(该论文称之为slow features)会被提取到，这也是一些更应被关注的信息。论文举了几
详细解读论文 CPC：Representation Learning with Contrastive Predictive Coding
Abstract: 该篇论文提出了一种完全的无监督的方法，旨在从高维的特征空间中提取有效特征同时舍弃掉一些更加局部的特征。简单来说目的就是更加有效的提取特征，提取更加global的"slow features"。该方法较为通用，在很多任务中都可以得到应用，文中列举了：语音，图像，文本，3D领域强化学习等方向的应用。 Method: 无监督学习并没有label来引导网络学习，就像一个野外长
简述模型预测控制——Introduction to Model Predictive Control (MPC)
本文简要介绍下模型预测控制的基本原理与简单应用方法。本文针对有一定控制理论背景的读者。 文章目录 最优控制问题模型预测控制MPC与最优控制典型的MPC问题显式MPC 最优控制问题 给定一个系统模型和控制目标，我们往往可以找到无穷多个控制器，使得该系统的输出收敛到控制目标。难么，我们如何从这无穷多个控制器中找到一个最优的呢？这便是最优控制问题。解决最优控制问题，或者说任何最优
论文阅读——Representation Learning with Contrastive Predictive Coding
摘要： 论文框架图： 针对图像 论文地址： Representation Learning with Contrastive Predictive Coding Github地址： Representation Learning with Contrastive Predictive Coding
【知识图谱应用】Predictive chemistry: machine learning for reaction deployment, reaction development （论文笔记）
文章概述 关键词：预测化学，逆合成，有机反应发现，前沿合成化学内容：预测化学与描述分子如何交互和反应的模型有关，文章总结了目前预测化学相关技术和发展趋势 文章内容 Reaction deployment 概念：从反应语料中学习趋势和预测已知的反应何时可用于新型反应底物和相互结合。目标：基于对反应数据的算法分析或者统计学分析进行逆合成路径设计和反应预测 One-step retrosynt