logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

可视化图布局算法简介

Fruchterman Reingold (FR)FR算法将所有的结点看做是电子,每个结点收到两个力的作用:其他结点的库伦力(斥力)fa(d)=d2kf_{a}(d)=\frac{d^{2}}{k}fa​(d)=kd2​边对点的胡克力(引力)。fr(d)=−k2df_{r}(d)=\frac{-k^{2}}{d}fr​(d)=d−k2​该算法遵循两个简单的原则:有边连接的节...

#机器学习#知识图谱#算法
Python粒子群优化算法实现(PSO)

PSO(PSO——Particle Swarm Optimization)(基于种群的随机优化技术算法)粒子群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为,这些群体按照一种合作的方式寻找食物,群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。概述请见:http://www.omegaxyz.com/2017/05/04/introductionofpso/

#python#机器学习#人工智能
合作协同进化算法概述(Cooperative Coevolution)

合作协同进化(Cooperative Coevolution)是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。分解策略的分类:①随机分解:随机选择基因的顺序,但是用户要决定组的数量和组的大小。②扰动:使用若干方法扰动决策变量尝试对变量进行分组。③模型建构:基于个体数量s的概率模型,在进化过程中迭代更新。下面是CC算法不同的分解策略体现的论文

#算法#机器学习
windows系统C盘越来越大怎么办(包括win10)

欢迎访问我的网站:omegaxyz.com对于Mac电脑来说,不必太过担心垃圾清理。至于Windows用户电脑垃圾会越来越多。使用360和CCleaner已经满足不了用户的需求了。另外Win10在更新过程中会产生许多临时文件,C盘windows文件夹会越来越大,下面推荐两个重量级垃圾分析与清除软件。软件链接:http://www.omegaxyz.com/resource/resource_so

#windows
知识图谱综述论文阅读

论文摘要论文为A Survey on Knowledge Graphs: Representation, Acquisition and Applications,发表日期2020年,论文PDF,点击链接。代表实体间结构关系的知识图谱已成为认知和人类智能研究的一个日益流行的方向。在这篇论文中,作者对知识图谱进行了全面的回顾,涵盖了1)知识图谱表示学习、2)知识获取和补全、3)时序知识图谱、4)知识

#机器学习#人工智能#知识图谱 +1
COVID-19知识图谱问答系统(基于REFO)

本文共669个字,预计阅读时间需要3分钟。简介基于知识图谱的问答系统,即KBQA。其中一个简单的实现方法是根据用户输入的自然语言问句,转化为图数据库中的关系查询,最终将数据库中的实体及关系呈现给用户。下面给出了一个KBQA的Demo。实现依赖Python 3.6+Apache Jena FusekiSPARQLWrapperrefojiaba实例数据此知识图谱的主题为C...

#知识图谱#自然语言处理
知识图谱属性与关系区别

本文共674个字,预计阅读时间需要3分钟。知识图谱中属性和关系的区别主要是在于其面对的实体不同。实体关系分为两种,一种是属性property,一种是关系relation。其最大区别在于,属性所在的三元组对应的两个实体,常常是一个topic和一个字符串,如属性Type/Gender,对应的三元组(Justin Bieber, Type, Person),而关系所在的三元组所对应的两个实体,常常是..

#知识图谱#人工智能
知识图谱嵌入的应用场景

In-KG应用(在 KG 范围内的应用)链接预测(Link prediction)链接预测任务有时也称为实体预测或实体排序,用来预测两个实体之间是否有特定的关系。即已知头实体h和关系r,预测尾实体t;或者尾实体t和关系r,预测头实体h。它的本质是一个KG补全的任务,即将缺失的知识添加到图谱中。同时也可以预测两个给定实体之间的关系,即已知头尾实体,求r。以预测头实体为例,可以将 KG 中每个...

#机器学习#知识图谱
对比学习Python实现

对比学习是一种通过对比正反两个例子来学习表征的自监督学习方法。对于自监督对比学习,下一个等式是对比损失:Li,j=−log⁡exp(zi⋅zj/τ)∑k=1,k≠i2Nexp(zi⋅zk/τ)\mathcal{L}_{i,j} = - \log \frac{exp(\textbf{z}_i \cdot \textbf{z}_j / \tau)}{\sum_{k=1,k\neq i}^{2N}exp

#python#pytorch#深度学习
边缘计算与嵌入式系统

文章目录边缘计算简介边缘计算的起源嵌入式系统与边缘计算3.1 嵌入式系统概述3.2 嵌入式系统的发展历史3.3 嵌入式系统应用到边缘计算3.4 嵌入式硬件的要求3.5 边缘计算环境下嵌入式系统与人工智能观点与看法4.1 边缘数据安全4.2 人工智能与嵌入式系统的处理能力4.3 移动边缘计算4.4 嵌入式边缘计算的社会价值参考文献边缘计...

#边缘计算
    共 56 条
  • 1
  • 2
  • 3
  • 6
  • 请选择