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...

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...

本章来学习一下图注意力网络GAT，首先对标GCN，来谈谈它们的优缺点。 GCN是处理transductive任务的一把利器，transductive任务是指：训练阶段与测试阶段都基于同样的图结构，如下图所示。 ...

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...

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...

亲爱的AI社区成员们🌟： 在这个充满无限可能的AI时代🌌，我以一颗充满激情和赞叹的心💖，向你们发出这份呼唤📣。作为一个共同的梦想家🧠和创造者👩‍💻，我邀请你们一起加入这场激动人心的创作...

牛顿-莱布尼茨公式提供了一种计算定积分的方法，即通过求取两个不定积分的差值。在机器学习中，这常常用于计算概率或期望值。例如在贝叶斯机器学习中，经常需要计算概率分布的期望值或方差。使...

1. Introduction 本项目包含了自 AelxNet 以来经典的深度学习图像分类模型，大部分模型是基于卷积神经网络的，也有一部分是基于注意力机制的。 博客链接是对模型的介绍，会持续更新…. 在项目目...

项目背景 本实践任务旨在利用深度学习技术对人脑中的脑瘤进行分类。我们的数据集包含四个主要类别：无肿瘤（no_tumor）、胶质瘤（glioma_tumor）、脑膜瘤（meningioma_tumor）和垂体瘤（pituita...

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...