作者：Peter编辑：Peter LaTeX是一种标记语言，主要用于创建高质量的学术文档，特别是数学、物理和计算机科学领域的文档。它基于TeX排版系统，由美国数学家DonaldE.Knuth开发。在LaTeX中，你可以轻松地编写复杂的数学公式，并控制文档的布局和样式。 小编最近又整理了一份机器学习公式编写过程中涉及到的各种数学符号及对应的LaTex符号，建议收藏直接使用 两种方式 在LaTeX中编辑数学公式的两种表现形式： 行内：使用一对$公式部分$即可，比如勾股定理的公式：$a^2+b^2=c^2$ 行外：使用两对$$公式部分$$，勾股定理$$a^2+b^2=c^2$$公式会单独占...

在工业生产中总是经常遇到裂痕、划痕等产品的表面缺陷问题，机器视觉行业对于表面检测相比前几年已经有很大的突破，对于产品表面的划伤、污迹等检测已经不再是难点。 在金属、玻璃、手机屏幕、液晶板等行业表面检测上应用广泛。 但由于该类缺陷形状不规则、深浅对比度低，而且往往会被产品表面的自然纹理或图案所干扰。因此，表面划痕缺陷检测对于正确打光、相机分辨率、被检测部件与工业相机的相对位置、复杂的机器视觉算法等要求非常高。 机器视觉划痕检测的基本分析过程分为两步：首先，确定检测产品表面是否有划痕，其次，在确定被分析图像上存在划痕之后，对划痕进行提取。 表面划痕通常可分为三大类： 第一类划痕：从外观上较易辨...

1.增量学习的概念 1.1什么是增量学习 人类有终身不断获取、调整和转移知识的能力，虽然在我们的一生中，我们确实倾向于逐渐忘记之前学习过的知识，但只有在极少的情况下，对新知识的学习会灾难性地影响已经学到的知识，这样的学习能力被称为增量学习的能力。 具体来讲，「增量学习的能力就是能够不断地处理现实世界中连续的信息流，在吸收新知识的同时保留甚至整合、优化旧知识的能力。」 增量学习(IncrementalLearning)已经有20多年的研究历史，但增量学习更多地起源于认知神经科学对记忆和遗忘机制的研究，因此不少论文的idea都启发于认知科学的发展成果，本文不会探讨增量学习的生物启发，关于面向生物...

作者：夕小瑶科技说 作者|智商掉了一地斯坦福大学的吴恩达教授可能是许多人接触AI的启蒙课导师吧，在过去的十多年中，他的《MachineLearning》课程已经对数百万的学习者产生了积极影响。 ▲image.png 而随着ChatGPT的推出，大模型和各类生成式人工智能（GenAI）技术在行业内外备受瞩目，它的发展正改变着我们的生活和工作方式。 吴恩达教授近期宣布推出一门新的课程，能够让我们更深入地了解生成式AI的运作原理，并探讨如何在我们的日常生活和工作中应用它。同时，还会探讨这项技术将会如何影响我们的工作、企业和社会。 值得一提的是，无论是否懂得编程，或者是否有AI领域的基础知识，这...

“大模型带来的智能涌现，这是我们开发AI原生应用的基础。”10月17日，李彦宏在百度世界2023上表示。当天，李彦宏以《手把手教你做AI原生应用》为主题发表演讲，发布文心大模型4.0版本，并带来新搜索、新地图等十余款AI原生应用。 大会上，李彦宏宣布文心大模型4.0正式发布，开启邀请测试。他表示，这是迄今为止最强大的文心大模型，实现了基础模型的全面升级，在理解、生成、逻辑和记忆能力上都有着显著提升，综合能力“与GPT-4 相比毫不逊色”。李彦宏介绍，文心4.0也同步开始邀测，现场观众扫描嘉宾证二维码，登录文心一言官网或下载最新版文心一言APP，就可以体验到文心一言的专业版；此外，...

本文整理自知乎问答，仅用于学术分享，著作权归作者所有。如有侵权，请联系后台作删文处理。编译：极市平台 方法一 作者｜冯昱尧 强烈推荐Python的绘图模块matplotlib:pythonplotting。画出来的图真的是高端大气上档次，低调奢华有内涵适用于从2D到3D，从标量到矢量的各种绘图。能够保存成从eps,pdf到svg,png,jpg的多种格式。并且Matplotlib的绘图函数基本上都与Matlab的绘图函数名字都差不多，迁移的学习成本比较低。开源免费。如图所示（题目描述中的图在最后）：（以下图片均引用自 Thumbnailgallery ） 像这种普通的函数...

【导读】神经网络是复杂、多维、非线性的数组运算。如何在避免过于复杂或重复的情况下呈现深度学习模型架构的重要特征呢？又该以何种方式清晰直观、启发性地呈现它们呢？（好看也是加分项！）无论研究还是教学项目对此都没有固定标准。 本文我们就来图解整个神经网络架构，以及了解特定模块的工具和技巧。希望这篇文章能对你有所帮助，让你在学习和应用AI技术的道路上更进一步！ 基线模型 AlexNet是突破性的架构，它使卷积网络（CNN）成为处理大型图像分类任务的主要机器学习算法。介绍AlexNet的论文呈现了一张很好的图，但是好像还缺点什么…… AlexNet架构图示。（图源：《ImageNetClassifi...

编辑：深度学习与计算机视觉 声明：仅做学术分享，侵删 作者：半数o阿白 机器学习涉及的数学并不难，应该说相当基本。会求导，会矩阵向量，会计算误差也就完事了。 对应的方面分别是神经网络，反向传播，误差计算。好像有一本小书就介绍了如何编写一个简单的识别手写数字的神经网络。 只不过，如果想要更进一步，追上最新的研究，这点数学自然就不够了，不过基本上还是工具式的数学，比如矩阵，向量求导，卷积公式，激活函数，搭建起来复杂的神经网络结构，搭建起来后，后面就容易了，反正结构会自动更新，更多就关注于工程问题，比如数据集，训练集的质量，某些参数的微调，其实相当的碰运气。就像炼金一般，调一调这个按钮，变一...

根据开组会的频率，可以将组会分为以下几个模式： 1 炼狱模式：一周五次，资本家看了都流泪 这位还没进实验室的研0（本科刚毕业）网友遇到了炼狱模式：一周五次组会，他还没补贴，资本家估计都流泪。 一周五次组会，感觉就像飞轮上的仓鼠，导师在下面看着，学生不停奔波。这种高频率的组会，让人产生疑问：导师为什么不亲自参与一下？ 网友直接劝他跑路，这种导师估计是需要论文评副教授，不要相信‘为你好什么的，他做的一切都是为自己好’。 如果是实验建设初期，建议直接签一份‘建设实验室战略合作协议’，实验室相关文章得给挂名。第一届打天下的学生太惨了，实验做的少，文章也发不出来，要是没毕业就是属于‘打黑工’，前...

在非结构化数据任务中深度学习模型占据了主流，对于图像数据扩增方法以及比较成熟，而文本数据扩增方法则比较复杂。 本文将介绍几种简单的数据扩增放方法，以及一些可以直接使用的库。 扩增方法：回译 将文本数据翻译成某种语言，然后再将其翻译回原始语言。回译可以生成带有不同单词的文本数据，同时保留文本数据的上下文。 一般情况下回译需要借助翻译API来完成，需要耗费一定的时间。 扩增方法：同义词替换 从句子中随机选择N个非停止词，随机选择的同义词替换这些单词。 替换前：ThisarticlewillfocusonsummarizingdataaugmentationtechniquesinNLP. 替换后...

 编辑丨极市平台 导读 针对图像分类任务提升准确率的方法主要有两条：一个是模型的修改，另一个是各种数据处理和训练的技巧。本文在精读论文的基础上，总结了图像分类任务的11个tricks。  计算机视觉主要问题有图像分类、目标检测和图像分割等。针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks)。图像分类中的各种技巧对于目标检测、图像分割等任务也有很好的作用，因此值得好好总结。本文在精读论文的基础上，总结了图像分类任务的各种tricks如下： Warmup Linearscalinglearningrate La...

万众瞩目之下，今天GPT4终于推送了vision相关的功能。今天下午抓紧和小伙伴一起测试了一下GPT对于图像感知的能力，虽有预期，但是还是大大震惊了我们。TL;DR就是我认为自动驾驶中和语义相关的问题应该大模型都已经解决得很好了，但是大模型的可信性和空间感知能力方面仍然不尽如人意。解决一些所谓和效率相关的cornercase应该是绰绰有余，但是想完全依赖大模型去独立完成驾驶保证安全性仍然十分遥远。 Example1:路上出现了一些未知障碍物 输入图片 GPT4的描述 准确的部分：检测到了3辆卡车，前车车牌号基本正确（有汉字就忽略吧），天气和环境正确，在没有提示的情况下准确识别到了前方...

本次分享1本「机器学习」和「深度学习」好书。 专治ML和DL炼丹过程中遇到的挑战，而非单纯地算法理论，适合想应用机器学习的读者。 书籍简介 作者是 AbhishekThakur，AI公司的ChiefDataScientist，在kaggle上奋斗了13年，拿了1000+奖牌，是世界上第一位kaggle四重大师，看看大佬的战绩， 作者在这本书中结合自己竞赛+工作经验， 重点介绍如何应用模型解决机器学习和深度学习的实际问题，内容如下， 配置专属炼丹环境 监督学习VS无监督学习 交叉验证 评价指标 安排机器学习项目 处理分类变量 特征工程 特征选择 Hyperparamete...

本文提供最简易的Numpy的入门教程，适合初学者。（黄海广） 1.Numpy简易入门 NumPy（NumericPython）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：LawrenceLivermore，NASA用其处理一些本来使用C，Fortran或Matlab等所做的任务。 我曾经整理过两篇关于Numpy的文章，好评如潮： Numpy练习题100题-提高你的数据分析技能 本文总结了Numpy的常用操作，并做成练习题，练习题附答案建议读者把练习题完成。作者认为，做完练习题...

作者：张倩 虽然我们不知道谁是下一个OpenAI，但是似乎找到了另一个Anthropic。 最近，大模型创投领域又发生了一件大事：大模型初创公司Anthropic获得了亚马逊40亿美元的融资。该笔融资几天后，又有消息传出，谷歌等也要向这家公司再投20亿美元。听到这些消息，不少人可能会问，这家公司有何过人之处？别急，我们来问一下新必应。 新必应的答案显示，在大模型方向上，除了一支优秀的团队，Anthropic在技术上也非常领先，尤其在大模型支持的上下文窗口方面。 上下文窗口有多重要？回想一下使用ChatGPT处理长文的经历，你是不是也经常收到「文本过长」的提示？这是因为ChatGPT至多...

10年前，她曾以“门萨女孩”“复旦学霸”的称号而火遍全网。19岁就成为新东方最年轻的托福老师，在暑假一个月赚到5万元钱，实现了“经济自由”；加入“世界顶级智商俱乐部”——门萨俱乐部，数次担任门萨入会测试的主考官；大二时自学编程，还成为国家认证翻译；21岁本科时就手握5篇一作SCI论文……童话般流传的故事却随着她本科毕业戛然而止。那年，她赴美国哈佛大学读研究生，低调的科研生活让曾经的网络热度逐渐散去。 张安琪 时隔多年，张安琪再次受到关注，但这一次不再是因为那些浮华的标签，而是作为一名真正优秀的学者。 不用开颅即可植入大脑的探针 7月21日凌晨，张安琪作为第一作者兼共同通讯作者在国际顶尖学术...

在机器学习和数据科学领域中，特征工程是提取、转换和选择原始数据以创建更具信息价值的特征的过程。假设拿到一份数据集之后，如何逐步完成特征工程呢？ 步骤1：特性类型分析 不同类型的特征包含的信息不同的，首先需要按照赛题字段的说明去对每个字段的类型进行区分。 下面是对不同类型的特征进行编码和操作的方法，其中取值特征本身包含的信息较多，因此可以直接考虑进行缩放： 数值型特征： 缩放：将数值特征缩放到一个范围，通常使用Min-Max缩放或标准化(z-score)。 离散化：将连续数值转换为离散类别，例如分箱操作。 平滑化：应用平滑算法（如指数平滑）来减少噪声和波动。 派生新特征：通过组合或数学...

国庆期间，翻阅一些文章，被中科院自动化所的一位博士论文的致谢打动到了，作者用质朴的文字，讲述了自己如何走出小山坳，和贫苦不幸的命运抗争的故事，字里行间所流露出来的真挚情感打动了你我。 「我走了很远的路，吃了很多的苦，才将这份博士学位论文送到你的面前。二十二载求学路，一路风雨泥泞，许多不容易。」 我是在中科院读研的，从年纪上来说，这位博士算得上是我的师兄，前几日在一个群里，也发现了他的身影。这篇论文致谢刷屏之后，大家很快认出他来了。 这件事情，让我想到之前本科选择未来读研院校时，经济方面的考量很大程度上影响了我最终的选择。 当时有两个不错且可能性不小的选择，一个是中科院，另外一个是清华软院。那...

今天给大家分享30道Python练习题，建议大家先独立思考一下解题思路，再查看答案。 1.已知一个字符串为“hello_world_yoyo”，如何得到一个队列  [“hello”,”world”,”yoyo”]？ 使用split函数，分割字符串，并且将数据转换成列表类型： test='hello_world_yoyo' print(test.split("_")) 12 结果： ['hello','world','yoyo'] 2.有个列表[“hello”,“world”,“yoyo”]，如何把列表里面的字符串联起来，得到字符串“hello_world_yoyo”？ 使用...

编辑：学妹 相亲前查对方论文，如果是个段子咱们顶多笑一笑，真发生在自己身上，别说还挺别扭的...... 一知乎网友表示：师姐给个绍了个x科大的博士相亲，人家见面第一句话，我网上查了你发表的文章和你的硕上论文，工作做得挺一般的 博士和硕士相亲，说了这话叫人怎么接？这饭是吃还是扭头就走，带入一下确实如坐针毡。网友评论：不知道的以为是来找导师面试的呢 即便是学术路上的前辈，这么言简意赅评价别人，还真是有点冒犯了。不过有人指出，只能说同行是冤家 老师也说过，一般做老师不会和同科老师谈对象 同样是经历相亲的两位博士，见面前发现女方非常热情，主动了解男方涉及的学术领域，邀约见面，甚至拿出...