AI算法与模型 第2页
AI算法与模型模块深入探讨机器学习、优化算法和深度学习等人工智能的核心技术。通过详细的理论讲解与实战案例，帮助学习者理解各种算法的原理和应用，掌握如何构建和优化AI模型。无论是监督学习、无监督学习，还是神经网络的实现与优化，这里都提供了系统的学习资料~
排序
Graph Convolutional Network（GCN）
这里先回顾一下之前讲解的朴素图神经网络，如下图： 朴素图神经网络 图中左上角方框部分可以看作图神经网络的初始状态。以 1 号节点为例, 在图神经网络中, 信息的传递是先汇聚一号节点的邻居节...
7个月前
聚类算法总结
1. K均值（K-Means） 计算效率高，适合大数据集。 结果易于解释。 缺点： 需要预先设定聚类数量 K。 对异常值敏感。 假设聚类为凸形且各向同性，可能不适用于复杂形状的数据分布。 初始中心点的...
9个月前
梯度下降算法（Gradient Descent）
算法引言 梯度下降算法，这个在机器学习中非常常见的算法，可以用下山的例子来形象地解释。想象一下，你在一座山的顶端，目标是要以最快的速度下到山底。但由于浓雾遮挡，你看不清整座山的轮廓...
8个月前
AS-MLP:注意力驱动下的多层感知机升级
0.引言 AS-MLP模型出自上海科技大学和腾讯优图实验室共同合作发表的文章，题为AS-MLP: AN AXIAL SHIFTED MLP ARCHITECTURE FOR VISION。纯MLP网络架构专注于全局的信息交流，却忽略了局部信息的...
8个月前
长短期记忆网络（LSTM）和门控循环单元（GRU）算法详解
引言 传统循环神经网络在处理长序列时面临梯度消失或爆炸问题。梯度消失是指在训练过程中，误差反向传播时，梯度随着时间步数的增加而指数级衰减。梯度爆炸则正好相反，这会导致模型难以学习到...
8个月前
聚类算法之DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
DBSCAN是在1990年代后期推出的一种聚类方法，它迅速成为基于密度的聚类技术中最受欢迎和广泛使用的算法之一。与传统的聚类方法如K-means不同，DBSCAN的主要优势在于其能够识别出任意形状的聚类...
8个月前
决策树（Decision tree）
算法引言 决策树是一种非常直观的机器学习算法，它模仿了我们日常生活中的决策过程。想象一下，你要决定周末去哪里玩，这个决定可能会基于一系列问题：天气怎么样？交通方便吗？费用多少？根据...
9个月前
蚁群优化算法（Ant Colony Optimization Algorithm）
算法引言 蚁群算法，是一种模拟蚂蚁觅食行为的优化算法。想象一下，当你在野餐时，不小心洒了一些糖在地上。一只蚂蚁偶然发现了这些糖，就会在回巢的路上留下信息素，引导其他蚂蚁也找到这个食...
8个月前
图神经网络（GNN）
引言 图神经网络（Graph Neural Networks，GNNs）是一种专为图数据设计的深度学习模型。它们能够直接在图结构上操作，捕捉节点间的复杂关系和图的全局结构特征。图神经网络在多种任务中表现出色...
7个月前
ConvNeXt：卷积与设计策略的新篇章
0.引言 自从ViT模型被提出以后，在过去的几年里，Transformer在深度学习领域大杀四方。回顾近几年，在计算机视觉领域发表的文章绝大多数都是基于Transformer模型的，比如2021年ICCV的Best Paper...
8个月前
