人工智能

一文详解对抗训练方法

对抗训练方法 Adversarial learning主要是用于样本生成或者对抗攻击领域,主要方法是通过添加鉴别器或者根据梯度回传生成新样本,其主要是为了提升当前主干模型生成样本的能力或者鲁棒性 一. 对抗训练定义 ==对抗训练是一种引入噪声的训练方式,可以对参数进行正则化,提升模型鲁棒性和泛化能力== 1.1 对抗训练特点 相对于原始输入,所添加的扰动是微小的 添加的噪声可以使得模型预测错

序列标注任务常用方法

1. HMM 1.1 模型原理 HMM中,有5个基本元素:{N,M,A,B,π},结合序列标志任务(NER)对其的概念定义为: N:状态的有限集合。在这里,是指每一个词语背后的标注。 M:观察值的有限集合。在这里,是指每一个词语本身。 A:状态转移概率矩阵。在这里,是指某一个标注转移到下一个标注的概率。 B:观测概率矩阵,也就是发射概率矩阵。在这里,是指在某个标注下,生成某个词的概率。 π:初始

睡眠

睡眠涉及神经元 DNA 损伤修复、昼夜节律、内分泌调节、神经系统剪枝、神经系统垃圾清理,是多种动物维持生命和保持一定的认知能力所必需。(有肠道的动物似乎在睡眠状态或类似睡眠的状态清理肠道中的活性氧。长时间不睡眠或严重睡眠不足,会引起活性氧积累在消化道并影响更多组织、器官,这可能是睡眠剥夺在数天到数十天内可以对多种动物致死的主要原因) 梦是睡眠的特定阶段出现的脑活动和神经噪声。 对有视觉的动物来说

TRAE调教指南:用6A工作流项目规则+5S敏捷个人规则打造高效AI开发流程

TRAE调教指南:用6A工作流项目规则+5S敏捷个人规则打造高效AI开发流程 引言:从"AI瞎写"到"精准交付"的实战手册 一、什么是Rules:让AI"听话"的底层逻辑 1. 告别重复指令疲劳 2. 实现"千人千面"的个性化适配 3. 构建"项目级"的

《教育心理学》学习.2-1

记忆术及其训练 2.1 引言 记忆(memory)是人类心智活动的一种,是人脑对过去经验的反映。所谓记忆,就是在头脑中积累和保存个休经验的心理过程。以信息加工的术语来讲,就是人脑对外界输入的信息进行编码、存储和提取的过程。记忆按照保持信息时间的长短,可以分为感觉记忆(sensory memory)、长时记忆(long-term memory,STM)和短时记忆(short-term memory

初等细胞自动机

书名:代码本色:用编程模拟自然系统 作者:Daniel Shiffman 译者:周晗彬 ISBN:978-7-115-36947-5 第7章目录 7.2 初等细胞自动机   本章将从Wolfram理论的模拟开始,为了理解Wolfram提出的初等CA模型,我们要先问自己几个问题:“你能想象到的最简单的细胞自动机是什么?”   问这个问题的意义在于:即使在最简单的CA模型中,我们也能看到复杂系统的

R语言基础学习(一)

分享一下之前的笔记,顺带mark一下,减轻电脑存储负荷! R语言基础学习 数据分析的过程 数据采集(笔记,python等) 数据存储 数据分析(统计):使用统计方法,有目的地对收集到的数据进行分析处理,并且读取分析结果。 数据挖掘:data mining,一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘算法:二元分类法,数据预测器,回归,贝叶斯网络,logistic回归,序列,时

3.第三学段

 经历用字母表示数的过程,认识自然数的一些特征,理解小数和分数的意义; 能进行小数和分数的四则运算,探索数运算的一致性; 形成符号意识、运算能力、推理意识。 探索几何图形面积和体积的计算方法,会计算常见平面图形的周长和面积,会计算常见立体图形的体积和表面积; 能用有序数对确定占的位置,进一步认识图形的平移、旋转和轴对称;  形成量感、空间观念和几何直观。 经历收集、整理和表达数据的过