众所周知，卷积网络在人工智能的各个研究领域发挥着巨大的作用。卷积网络的发展：卷积网络的发展经历了从简到繁再到简的过程。如下图(来自慕课官网):LeNet1998年由LeCun提出，用于解决手写数字识别(MNIST)。如下图来自https://www.cnblogs.com/skyfsm/p/8451834.htmlAlexNet由Hinton的学生AlexNet提出，获...

在开始本篇内容之前，我想说一下什么是卷积神经网络？以卷积结构为主，搭建起来的深度网络，为卷积神经网络。该网络可以自动提取特征，通过提取特征进行网络学习。卷积运算对图像和滤波矩阵做内积（逐个元素相乘再求和）的操作为卷积运算。卷积中的重要参数卷积核(kernel)步长(stride)填充(Pad)输出通道在深度学习中，我们最常用的卷积核是2D卷积核（k_w,k_h）,...

多变量时间序列建模长期以来一直是一个吸引来自经济学、金融学和交通等多个领域研究人员的课题。多变量时间序列预测的一个基本假设是，其变量之间相互依赖，但仔细观察可以发现，现有方法未能充分利用变量对之间的潜在空间依赖性。近年来，图神经网络（GNNs）在处理关系依赖性方面表现出强大的能力。然而，GNN需要明确定义的图结构来进行信息传播，这意味着它们不能直接应用于多变量时间序列，因为其依赖关系通常是未知的。

本文使用的数据集是Cora，它是一个经典的机器学习论文分类数据集，由2708篇论文组成，涵盖以下7个类别：基于案例（Case_Based）遗传算法（Genetic_Algorithms）神经网络（Neural_Networks）概率方法（Probabilistic_Methods）强化学习（Reinforcement_Learning）规则学习（Rule_Learning）理论（Theory）数据

腾讯近期推出了基于Transformer架构的混合专家（MoE）模型——Hunyuan-Large（Hunyuan-MoE-A52B）。该模型目前是业界开源的最大MoE模型之一，拥有3890亿总参数和520亿激活参数，展示了极强的计算能力和资源优化优势。具体文章，如下可见，保证你不吃亏。

Tensorflow2.* 机器学习基础知识篇：对服装图像进行分类使用Tensorflow Hub对未处理的电影评论数据集IMDB进行分类Keras 机器学习基础知识之对预处理的电影评论文本分类Tensorflow2.*教程之使用Auto MPG数据集构建回归模型预测燃油率Tensorflow2.* 加载和预处理数据篇:Tensorflow2.* 加载和预处理数据之用 tf.data 加载 CSV

多变量时间序列建模长期以来一直是一个吸引来自经济学、金融学和交通等多个领域研究人员的课题。多变量时间序列预测的一个基本假设是，其变量之间相互依赖，但仔细观察可以发现，现有方法未能充分利用变量对之间的潜在空间依赖性。近年来，图神经网络（GNNs）在处理关系依赖性方面表现出强大的能力。然而，GNN需要明确定义的图结构来进行信息传播，这意味着它们不能直接应用于多变量时间序列，因为其依赖关系通常是未知的。

众所周知，计算机视觉（CV）是人工智能研究领域的比较重要的一环。今天是中秋节的第二天，我写该文章的目的是来总结一下计算机视觉之图像分割相关内容，这些内容是对网络上所有内容的归纳，参考了两位博主的优秀博文，具体链接我会在后面给出。为什么要进行图像分割研究呢？图像分割是图像处理和计算机视觉的热点之一，它是图像分析和理解图像特征提取和识别的基础。什么是图像分割？把图像分成若干个特定的、具有...

无论是如今爆火的LLMs（Large Language Models）技术，还是传统的NLP技术，分词环节都是至关重要的一步。为了更好地了解中文自然语言处理的关键环节，今天我想和大家分享分词技术—基于词图的机械分词法。本文主要围绕中文分词为主进行讲解，我会从分词定义及原因，分词的应用场景，分词的难点，什么是语言模型，马尔科夫假设，基于词图的分词方法这几个方面来书写这篇文章。

机器学习特征工程-特征选择之IV