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
降维算法之主成分分析 (Principal Component Analysis, PCA)
主成分分析（PCA）是一种统计方法，用于减少数据的维度，同时尽量保留原始数据中的方差。PCA在机器学习和数据可视化中有着坚实的地位，因为它可以有效地简化数据，同时保留其核心特征。 1 算法...
8个月前
SENet：通道维度的注意力机制
0.引言 SENet于2017.9提出，其通过显式地建模卷积特征通道之间的相互依赖性来提高网络的表示能力。即通道维度上的注意力机制。SE模块仅需微小的计算成本，却产生了显著的性能改进。SENet Block...
9个月前
ViT：视觉Transformer
0.引言 最初提出Transformer算法是为了解决自然语言处理领域的问题，Transformer在该领域获得了巨大的成功，几乎超越了循环神经网络模型（RNN），并成为自然语言处理领域的新一代基线模型。论文...
9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
Graph Sample and Aggregate Network（GraphSAGE）
不管是GraphSAGE，还是GCN，它们的核心思想其实与朴素的GNN思想一致，都是每个节点根据图的连接结构，通过聚合邻居信息来更新自身节点的信息，再把更新后的节点向量送入神经网络层做进一步的学...
7个月前
基于价值的深度强化学习（DQN）
1 DQN介绍 要理解DQN，我们首先需要理解Q值。Q值是一个函数，Q(s, a)表示在状态s下执行动作a可以得到的预期奖励。直观上讲，Q值告诉智能体哪些动作在长期来看更有利。 Q学习的目标是找到最优的Q...
7个月前
变分自编码器（VAE）算法详解
VAE模型简明指导 VAE最想解决的问题是如何构造编码器和解码器，使得图片能够编码成易于表示的形态，并且这一形态能够尽可能无损地解码回原真实图像。 这似乎听起来与PCA（主成分分析）有些相似...
7个月前
MobileNet：轻量化模型
1.MobileNet V1 MobileNet系列是由谷歌公司的Andrew G. Howard等人于2016年提出的轻量级网络结构，并于2017年发布在arXiv上。MobileNet系列的特点是模型小、计算速度快，适合部署到移动端或者嵌...
9个月前
ResNet：神来之“路”
0.引言 深度残差网络（Deep Residual Network, ResNet）的提出是基于卷积算法处理图像问题领域的一件里程碑事件。ResNet在2015年发表当年取得了图像分类、检测等5项大赛第一，并再次刷新了CNN模...
9个月前
GoogLeNet：探索宽度的力量
0.引言 在2014年的ImageNet挑战赛（ILSVRC14）上，GoogLeNet和VGGNet成为了当年的双雄。GoogLeNet获得了图片分类大赛的第一名，VGGNet紧随其后。这两种模型的共同特点是网络深度更深。VGGNet是...
9个月前
