1. sklearn介绍scikit-learn, 又写作sklearn, 是一个开源的基于python语言的机器学习工具包. 它通过numpy, Scipy和 Matplotlib等python数值计算的库实现的算法应用, 并且涵盖了几乎所有主流机器学习算法.在工程应用中, 用python手写代码来从头实现一个算法的可能性非常低, 这样不仅耗时耗力, 还不一定能够写出构架清晰, 稳定性强的模型.

0 引言随着深度学习领域中各类算法的迅速发展，卷积神经网络（CNN）被广泛应用在了分类任务上，输出的结果是整个图像的类标签。在生物医学领域，医生需要对病人的病灶区域进行病理分析，这时需要一种更先进的网络模型，即能通过少量的图片训练集，就能实现对像素点类别的预测，并且可以对像素点进行着色绘图，形成更复杂、严谨的判断。于是U-Net网络被设计了出来。1 U-Net概念及原理U-Net网络结构最早由Ro

大佬の贴子：地震勘探0. 前言石油，想必大家都比较熟悉了。它象征着财富，并且石油产品在社会经济发展中也具有非常广泛的作用与功能。那么，如何找到深埋在地底下的油藏呢？经过上百年的探索，人们已经创造出各种方法，其中主要方法有：地质勘探地球化学勘探地球物理勘探钻井勘探找油效果最好的，是属于地球物理勘探中的地震勘探方法。当然，这里的“地震”并不是指有害的天然地震，而是微小的、无害的“人工地震”。地震勘探方

1 地震记录制作首先得到一个合成地震记录，传送门2 叠后剖面制作2.1 初至切除

地球物理人工之智能和信息前沿技术学术报告会

目标检测（object detection）的目的就是找出图像中所有感兴趣的目标，确定他们的类别和位置。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等许多因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。在Base Layer的基础上，作者将VGG16中的FC6,FC7改成了卷积层Conv6,Conv7，并且同时添加了Conv8,Conv9,Conv10,Conv11这几个

地震勘探学习 (一)1. 地震波速度概念: 地震波在地下岩层中传播的距离与传播时间的比值. 其单位(km/s or m/s).\( v = \frac{\lambda}{t} \) or \(v = \lambda f\)地震波在空气中的传播速度大约为340m/s; 在近地表区域, 其速度大约是数百米/秒 ( 通常与岩层结构以及其他地质因素有关). 在地下2885千米之深处, 纵波速度最大, 其速

比如说，输出y4可以是x4经过一次卷积，也可以是x3经过2次卷积，还可以是x2经过三次卷积。如下图，黄色部分表示高频特征图，蓝色部分表示低频特征图。作者还提到，不仅在普通的卷积中可以改造成八度卷积的方法，对于分组和可分离卷积同样也是适用的。而且八度卷积是一个可插拔的整体操作，基本上只需要在特定位置上改成相应的八度卷积即可，卷积参数基本上保持不变，只是增加了一个低频占比的参数，以及在输入输出的特征图

其中与大佬交流后，项目需要神经网络技术支撑。但恕本人才疏学浅，之前对这方面了解甚少，本贴就作为我的学习笔记。1.神经网络神经网络是深度学习的重要算法，在图像（如图像的分类、检测）和自然语言处理（如文本分类、聊天）有很多应用。人工神经网络（Artificial Neural Network)，也简称为神经网络，是一种模仿生物神经网络（大脑）结构和功能的计算模型。经典的神经网络结构包含三个层次，即输入

企业数字化转型是利用物联网、云计算、大数据、人工智能、区块链等信息技术，实现前端的数据自动采集、数据自动传输和实时感知，中间的安全存储、实时监控和集中控制，后端智能分析、数据共享和技术支撑。前、中、后端的整合、协同、高效联动和数据共享，有力地推动了传统业务操作流程的重构和工作模式的变革。人工智能在这种转变中发挥着至关重要的作用。人工智能技术有望打破探索和发展的瓶颈，将管理模式从垂直、孤立（传统）转