Machine Learning Model
机器学习（Machine Learning）是一门数据驱动（Data-driven）的科学，所谓的 数据驱动 是指需要使用样本数据训练模型（train model），然后再使用训练好的模型预测新的数据；根据样本数据（一般也称为训练数据（train data））携带标签（labels）与否，做以下分类： 监督学习(supervised learning)：训练数据需要标签（labels），监督学习分为 分类问题 ...
零样本学习—Learning to detect unseen object classes by between-class attribute
零样本学习 算法概要 前提 ( x 1 , l 1 ) , ⋯ ( x n , l n ) 为 训 练 样 本 x 和 相 应 类 别 标 签 l . 这 样 的 成 对 数 据 共 有 n 组 ， l 中 一 共 有 k 类 ， (x_1,l_1),\cdots (x_n,l_n)为训练样本x和相应类别标签l.这样的成对数据共有n组，l中一共有k类， (x1,l1),⋯(xn,ln)为训练样本x和相应...
综述类论文_Machine Learning for Encrypted Malicious Traffic Detection（重要）
文章目录 Machine Learning for Encrypted Malicious Traffic Detection: Approaches, Datasets and Comparative Study摘要存在的问题论文贡献1. 基于机器学习的加密流量检测模型的总体框架1.1 Research Target（研究目标）1.2 Traffic Dataset Collection（流量数据集收集）1....
深度强化学习中深度Q网络（Q-Learning+CNN）的讲解以及在Atari游戏中的实战（超详细 附源码）
有有效识别高维数据的能力，使得强化学习算法在处理高纬度状态空间任务中更加有效 一、DQN算法简介 1：核心思想 深度Q网络算法（DQN）是一种经典的基于值函数的深度强化学习算法，它将卷积神经网络与Q-Learning算法相结合，利用CNN对图像的强大表征能力，将视频帧视为强化学习中的状态输入网络，然后由网络输出离散的动作值函数，Agent再根据动作值函数选择对应的动作 DQN利用CNN输入原始图像数据，能够在不依...
Bi-CLKT: Bi-Graph Contrastive Learning based Knowledge Tracing
图对比学习 文章目录 摘要1 引言2 相关工作2.2 自监督学习2.3 图上的对比学习 摘要 知识追踪(KT)的目标是根据学生对相关练习的历史学习来估计他们对一个概念的掌握程度。知识追踪的好处是可以更好地组织和调整学生的学习计划，并在必要时进行干预。随着深度学习的兴起，深度知识追踪(DKT)利用循环神经网络(RNNs)成功地完成了这一任务。其他的工作尝试引入图神经网络(GNNs)，并相应地重新定义任务，以实现显...
论文笔记 - SIMILAR: Submodular Information Measures Based Active Learning In Realistic Scenarios
motivationActive Learning 存在的重要问题：现实数据极度不平衡，有许多类别很少见（rare），又有很多类别是冗余的（redundancy），又有些数据是 OOD 的（out-of-distribution）。1. 不同的次模函数提出三种次模函数的变体： 次模条件增长（Submodular Conditional Gain, SCG），越大说明差异越大： $$f(\mathcal{A}...
【Machine Learning】22.K-means聚类
K-means聚类 1.导入2.K-means实现2.1 找到最近的质心练习1 2.2 计算质心Exercise 2 2.3 查看算法工作2.4 随机初始化 3.在图像压缩上应用K-means3.1 加载及预处理数据3.2 在数据上应用模型3.3 压缩模型 4.课后题无监督学习的概念 c i c_i ci的概念随机初始化K-means的代价elbow方法 无监督学习的一个代表性问题，聚类，而K-means是聚...
【Machine Learning】18.Softmax函数
法4.3 交叉熵损失函数的稳定性 5.课后题 1.导入 import numpy as npimport matplotlib.pyplot as pltplt.style.use('./deeplearning.mplstyle')import tensorflow as tffrom tensorflow.keras.models import Sequentialfrom tensorflow.k...
Deeplearning4j中的纪元和迭代
本文介绍了Deeplearning4j中的纪元和迭代的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 我最近开始学习Deeplearning4j，但我不明白纪元和迭代的概念是如何实际实现的。 在在线文档中说：I recently started learning Deeplearning4j and I fail to understand how the con...
Deeplearning4j：Iterations，Epochs和ScoreIterationListener
本文介绍了Deeplearning4j：Iterations，Epochs和ScoreIterationListener的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 大家下午好。我对Deepleaning4j库很新，还有一些我还不清楚的东西。 时代的概念并不新鲜，因此很明显它代表了训练集的一个完整周期。 我的第一个疑问与迭代的概念有关。什么是训练集的迭代？它是...