人工智能学习笔记七——基于bilstm的恶意url检测-爱代码爱编程
本文将用BiLstm模型，对于恶意的url访问进行检测，从而保证网络空间的安全。 首先在介绍BiLstm模型之前，先介绍一下Lstm长短期记忆神经网络模型。 长短时记忆网络长短时记忆网络（Long Short-Term Memory Network，简称 LSTM）是循环神经网络模型（Recurrent Neural Network，简称 RNN）的一
【面试复盘】第四范式机器学习工程师一面-爱代码爱编程
来源：投稿 作者：LSC 编辑：学姐 考察编程题两道: 1.逆时针输出三角数组 输入: 5 输出: 1,2,4,7,11,12,13,14,15,10,6,3,5,8,9 解释生成这样的数组， 逆时针旋转输出 代码: #define _CRT_SECURE_NO_WARNINGS #include<iostream&
cvpr 2023 大模型研讨会召开在即，国际技术竞赛正式开赛-爱代码爱编程
CVPR作为计算机视觉和模式识别领域的世界级学术顶会，不仅是学者们展示前沿科技成果的学术会议，也是企业界探索前沿应用的一大平台。近年来，随着大模型技术的爆发式发展，基于大模型技术的创新应用正逐步在产业界释放出巨大价值空间。
中文分词模型的调研-爱代码爱编程
2019.12.08：北大开源全新中文分词工具包：准确率远超THULAC、jieba 分词 https://www.jianshu.com/p/3d9cd356da1a 认为pkuseg准确率远超THULAC、jieba 分
深入理解transformer: 从attention到self-attention-爱代码爱编程
当谈及深度学习中的自然语言处理（NLP）任务时，Transformer已经成为了一种极为流行的神经网络架构。其在翻译、摘要、语音识别等任务中的出色表现使得它备受关注。那么，究竟什么是Transformer？它是如何工作的？本文将会从Attention机制入手，深入探讨Transformer的原理。 Attention机制 在传统的NLP任务中，RNN（
被 gpt 带火的 prompt 是什么？-爱代码爱编程
自然语言理解涵盖范围很广，不过总体可以把自然语言处理分成两大类任务：NLU 自然语言理解和自然语言生成 NLG。 NLU 是所有支持机器理解文本内容的方法模型或任务的总称，即能够进行常见的文本分类、序列标注、信息抽取等任务。简单来说，是指自然语言理解的运用希望机器人能够像人一样，具备正常的语言理解能力。微软的认知服务里面有一个对话语言理解服务 LUIS，
【22-23 春学期】ai作业3-监督学习-爱代码爱编程
集成学习：通过将多个模型集成来提高模型性能和泛化能力。 支持向量机：是通过构造一个最优的超平面来对数据进行分类的二分类模型。 软间隔：是支持向量机中的一种策略，它允许一定数量的样本数据落在超平面错误的一侧。 核函数：
k-fold 交叉验证 (cross-validation)-爱代码爱编程
K-fold cross-validation is a common technique used to evaluate the performance of machine learning models. In this process, the training data is divided into k subsets or "folds",
【22-23 春学期】ai作业3-监督学习-爱代码爱编程
1、集成学习： 集成学习是一种机器学习的方法，旨在将多个单一的学习算法组合成一个更强大的算法。集成学习方法是通过投票、均值等方式将多个分类器的预测结果结合起来，以获得更准确的分类结果。 2、支持向量机： 支持向量机是一种常用于分类和回归问题的机器学习算法，通过寻找超平面将多维空间分割成两个部分。支持向量机通过最大化训练数据集与超平面之间的距离，寻找最
movenet流程解析-爱代码爱编程
MoveNet是一个基于CenterNet模型的轻量级人体姿态估计模型，由Google于2021年提出。MoveNet采用自下而上的检测策略，能够检测人体的17个关键点，包括头部、颈部、肩部、肘部、手腕、髋部、膝盖和脚踝等关
【理论推导】变分自动编码器 variational autoencoder(vae)-爱代码爱编程
变分推断 (Variational Inference) 变分推断属于对隐变量模型 (Latent Variable Model) 处理的一种技巧，其概率图如下所示 我们将
optimizer 的step为什么不能放在min-batch 那个循环之外-爱代码爱编程
optimizer的step为什么不能放在min-batch那个循环之外，还有optimizer.step和loss.backward的区别。 optimzier优化器的作用, 形象地来说，优化器就是需要根据网络反向传播的
acu个人详解的理解及代码实现-爱代码爱编程
ACU详解及代码实现 ROC曲线AUC计算方法一： 方法二： ROC曲线 理解AUC需要首先理解ROC曲线，AUC是ROC曲线的面积。 详细参考这个博士AUC详解 AUC计算 方法一： 有M个
图片分类：png图片文件夹的处理（minst图片文件）-爱代码爱编程
用pytorch框架，把文件夹中的png图片进行读取，并分成比例为8:2的训练集和测试集 以下是文件夹的形式，图片是已经被分类放入不同的文件里了 接下来就对文件图片进行划分训练集和测试集 1.导入包 import torch from torch.utils.data import Dataset, DataLoader, random_sp
动态slam】—3.29（5）-爱代码爱编程
论文信息 题目： Mapless Online Detection of Dynamic Objects in 3D Lidar 三维激光雷达中动态物体的无地图在线检测 论文地址： http
谷歌colab使用教程-爱代码爱编程
step1.拥有一个谷歌账户 step2.打开地址：https://colab.research.google.com step3.新建笔记本 标题：笔记本的名称 代码块：分块执行的代码 文件浏览：Colab为笔记本分配的实
数学和统计方向常用matlab工具箱下载地址-爱代码爱编程
1.数学和优化类 曲线拟合工具箱（Curve Fitting Toolbox） 功能：使用回归、插值和平滑对数据进行曲线和曲面拟合 下载地址：https://www.mathworks.com/products/curvefitting.html 优化工具箱（Optimization Toolbox） 功能：求解线性、二次、整数和非线性优化问题 下载地址：
动态slam】—3.29（4）-爱代码爱编程
论文信息 题目： Dynamic Object Aware LiDAR SLAM based on Automatic Generation of Training Data 基于自动生成训练数据的动态物
决策树–泰坦尼克号乘客生存预测–baseline-爱代码爱编程
决策树–泰坦尼克号乘客生存预测–baseline 项目介绍：使用决策树模型对泰坦尼克号乘客生存预测，此项目为建立一个简单的baseline模型，对机器学习一整个流程进行梳理，以便掌握机器学习的流程框架。 数据来源：kag
【22-23春学期】 ai 作业2﹣监督学习-爱代码爱编程
1、结构风险最小化： 结构风险最小化的目标是在保证经验风险最小化的同时，避免过拟合问题。具体来说，它通过增加正则化项、优化算法等手段控制模型的复杂度，提高模型的泛化能力。 2、正则化： 正则化是一种常用的方法，目的是尽可能降低模型的复杂度，从而避免模型过拟合的问题。常见的正则化方法有L1和L2正则化。 3、线性回归： 线性回归是一种常见的机器学习