个人技术分享

机器学习------聚类

在聚类算法中根据样本之间的相似性,将样本互粉到不同的类别中,对于不同的相似计算方法,会得到不同的聚类结果,常用的相似度计算方法有欧式距离法。用户画像,广告推荐,Data Segmentation,搜索引擎的流量推荐,恶意流量识别。2.计算每一个样本i到最近簇j内的所有样本的平均距离bij,该值越大,说明该样本越不属于其他簇j。1.计算每一个样本 i 到同簇内其他样本的平均距离ai, 该值越小,说明簇内的相似程度越大。整形,缺省值=8,生成的聚类数,即产生的质心(centroids)数。

图神经网络入门示例：使用PyTorch Geometric 进行节点分类

在本文中，我们将一个CSV文件转换为数据对象，然后使用PyTorch为节点分类任务构建基于图的神经网络。并且训练了两种不同类型的神经网络——多层感知器(MLP)和图卷积网络(GCN)。结果表明，GCN模型在该数据集上的表现明显优于MLP模型。本文介绍的主要流程是我们训练图神经网络的基本流程，尤其是前期的数据处理和加载，通过扩展本文的基本流程可以应对几乎所有图神经网络问题。作者：Claudia Ng。

从BERT到GPT-4:Transformer模型的进化之路与未来展望

Transformer模型自2017年提出以来,已成为自然语言处理领域中最为重要和广泛使用的模型架构之一。其基于自注意力机制(Self-Attention)的设计,能够有效地捕捉文本中的长距离依赖关系,并在并行计算方面具有显著优势。Transformer模型的核心思想是利用自注意力机制来计算序列中各个位置之间的依赖关系。具体而言,对于输入序列中的每个位置,Transformer模型会计算其与其他所有位置的注意力权重,然后根据这些权重对位置进行加权求和,得到该位置的表示。Attention。

机器学习深度学习驱动的光子学设计与应用

案例分析与实践：基于VAE的自由形状超表面结构设计，Advanced Materials 31 (35), 1901111(2019), SCIENCE CHINA, 63(8), 1-8 (2020)案例分析与实践：基于多算法融合的多功能超表面设计，Advanced Materials 34 (16), 2110022, 2022。多算法融合在多功能超表面设计中的作用，如性能提升、设计优化等。基于VAE的设计流程，如数据准备、模型训练、结构生成等。

双边滤波去雾算法

本文介绍了双边滤波图像去雾算法，旨在消除雾霾对图像质量的影响，能够保留边缘信息并去除噪声，有效提高图像的清晰度和对比度。双边滤波（Bilateral Filtering）是一种用于图像处理的非线性滤波方法，它能够在平滑图像的同时保留边缘细节，并结合了空间域和强度域的信息，以避免在平滑噪声的同时模糊图像的边缘。首先对图像进行频域变换，将原始图像分解为高频成分和低频成分。然后分别对高频成分和低频成分应用双边滤波算法，以去除噪声和增强边缘信息。最后将处理后的高频成分和低频成分进行逆频域变换，得到去雾后的图像。

pillow学习5

在左上角坐标为(x1,y1)，右下角坐标为（x2,y2）的矩形区域内，满圆 O 内，以 start 为起始角度，以 end 为终止角度，截取圆 O 的一部分圆弧并画出来。[x1,y1,x2,y2]也可以写为(x1,y1,x2,y2)、[(x1,y1),(x2,y2)]等；方法 enhance()会返回一个增强的 Image 对象，参数 factor 是一个大于 0 的浮点数，1 表。fill 表示文本的颜色；：功能是调整图像色彩平衡，相当于彩色电视机的色彩调整，实现了上边提到的接口的enhance 方法。