独家思维导图！让你秒懂李宏毅2020机器学习（二）在上一篇文章Classification共用一个Gaussian的话会不会p（x|c)相等，推导1的为什么不是lnN1/N2

李宏毅2020机器学习部分总结前言：博主为一名大二本科生，最近决心开始看李宏毅的深度学习系列课程，每学一个阶段决定写篇博客来归纳记录一下所学的东西，也希望自己的理解对大家有所帮助！Lesson1——Introduction第一课的内容我用借鉴李宏毅老师ppt所画的一张图来总结（就不再过多赘述了）Lesson2——Regression案例——预测宝可梦进化后的CP值先与Lesson1的部分回顾一下，

【VQA文献阅读】Answer Them All! Toward Universal Visual Question Answering Models ——最新VQA综述Abtract视觉问答(VQA)的研究分为两个阵营:第一个阵营侧重于需要自然图像理解的VQA数据集第二个阵营侧重于测试推理的合成数据集一个好的VQA算法应该两者都有，但是只有少数VQA算法是以这种方式测试的。我们在覆盖两个领域的八

人工智能原理——第一章 绪论1.1 人工智能的发展人工智能的发展 – 孕育期人工智能的孕育期大致可以认为是在1956年以前的时期。1949年，克劳德·香农提出了国际象棋程序的基本结构。1950年，阿兰·图灵预言计算机能够回答人的问题，并能够下棋。同时期，诺伯特·维纳研究反馈理论。1955年末，纽厄尔和西蒙编写了一个“逻辑专家”的程序，被认为是第一个人工智能程序。人工智能的发展 – 摇篮期马文·明斯

【VQA最新文献阅读】Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks文章目录Abstract1Introduction介绍3Oscar Pre-training 预训练OscarInputPre-Training ObjectiveA Dictionary View: Masked Token Loss.

Video Question Answering: a Survey of Models and Datasets长文预警！！！p.s.此篇文章于2021年1月25日新鲜出炉，在Springer需要付费观看，博主免费分享给大家，希望与大家共同学习！Abstract视频问答(VideoQA)根据视频内容自动回答自然语言问题。它促进了在线教育、情景分析、视频内容检索等方面的发展。VideoQA是一项具

独家思维导图！让你秒懂李宏毅2020机器学习（二）在上一篇文章Classification共用一个Gaussian的话会不会p（x|c)相等，推导1的为什么不是lnN1/N2

时间序列预测任务PyTorch数据集类——TimeSeriesDataSet 类详解当进行时间序列预测或时间序列分析时，通常需要对数据进行预处理和转换以提高模型的效果和准确性。TimeSeriesDataSet 类是为这些目的而创建的 PyTorch 数据集类，提供了一些自动化的功能，使得预处理和转换变得更加方便和高效。该类可以用于多种时间序列预测任务，例如预测股票价格、交通流量、能源消耗等。

人工智能原理——第二章 知识表示方法

独家思维导图！让你秒懂李宏毅2020深度学习（三）——深度学习基础前面两篇文章主要介绍了李宏毅视频中的机器学习部分，从这篇文章开始，我将介绍李宏毅视频中的深度学习部分，难度又将提升一个档次，大家一起加油鸭！本篇内容融合了李宏毅深度学习基础部分的多项知识，顺序根据博主的理解进行了些许调整，旨在能让大家更清晰的理解，有啥理解不对的地方欢迎大家批评指正！前两篇文章传送门：独家思维导图！让你秒懂李宏毅20