理解Data-Enabled Advancement of Computation in Engineering: A Robust Machine Learning Approach to Acce
近日阅读这篇文章时发现有很多不好理解的地方,今天又看,大概明白了很多
- 输入是27维,输出是162维,缩放因子是0.14,我终于懂了为什么是0,14?
因为27/(27+162)=0.14。也就是说,计算问题时,他取了6阶基函数的大概1/7个子基函数(和2阶一样的数目),然后用这6阶基函数来算出估计的x‘,用这个x’作为输入,利用CNN,得到插值出来的剩下的那些x元素值,总的x应该是包括x和x’的。总的基函数的个数也应该是1/7+输出的6/7的;
- 关于他的naive我的一点判断
我觉得他的naive就是拿残缺的6阶基函数计算出来的x’,投射到CNN里面,映射出剩下的。我觉得这个必然不合理啊,都是残缺的了,算出来的何谈准确。但好像直接用2阶的去映射6阶的估计也映射不出来,毕竟前者和后者的基函数形态都不一样。
- 他的科研思路
应该是先用2阶的基函数的值去映射6阶的函数值,发现不对;
又用6阶的一部分去插值全部6阶的计算结果,这种是插值的应该好弄,但是结果还是不精确;
后来,就想到再用这个插值出来的结果,再进行迭代,最后得到准确的结果。(最后这点的具体实现还是不好确定)
理解Data-Enabled Advancement of Computation in Engineering: A Robust Machine Learning Approach to Acce相关推荐
- 如何理解深度学习分布式训练中的large batch size与learning rate的关系?
问题详情: 在深度学习进行分布式训练时,常常采用同步数据并行的方式,也就是采用大的batch size进行训练,但large batch一般较于小的baseline的batch size性能更差,请问 ...
- 特征工程的宝典-《Feature Engineering for Machine Learning》翻译及代码实现
由O'Reilly Media,Inc.出版的<Feature Engineering for Machine Learning>(国内译作<精通特征工程>)一书,可以说是特征 ...
- 【Machine Learning 学习笔记】feature engineering中noisy feature的影响
[Machine Learning 学习笔记]feature engineering中noisy feature的影响 通过本篇博客记录一下添加噪声对Lasso和SVM的影响,采用的数据集为sklea ...
- Machine Learning 和 Data Science 的最佳公共数据集
什么是机器学习的最佳数据集?本文整理了一个高质量.多样化的机器学习数据集榜单. AUTHORS: Stacy Stanford, Machine Learning Memoirs Inc. Rober ...
- Medical Data for Machine Learning
转载自:https://github.com/beamandrew/medical-data Medical Data for Machine Learning This is a curated l ...
- 最详尽翻译:Rules of Machine Learning: Best Practices for ML Engineering
原文地址:https://developers.google.com/machine-learning/rules-of-ml/ 作者:Martin Zinkevich ##前言 Google大佬Ma ...
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
- 【Kaggle】Intermediate Machine Learning(XGBoost + Data Leakage)
文章目录 6. XGBoost 7. Data Leakage 数据泄露 上一篇:[Kaggle]Intermediate Machine Learning(管道+交叉验证) 6. XGBoost 参 ...
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
最新文章
- cap理论与分布式事务的解决方案
- 快做这 15点,让 SpringBoot 启动更快一点!
- 生日小助手的问答帮助——随时更新,长期有效……
- Navicat120_premium_cs_x64
- java 测试工具 oracle_几种测试工具的简单介绍
- 如何优雅的开启mac远程控制
- MySQL 数据库操作命令汇总
- 了解无线安全前置准备(一)
- Android 10 默认输入法
- 在html中写for循环表格trtd,嵌套的HTML表格在javascript for循环
- python爬虫从入门到放弃(一)初识爬虫
- linux连接oracle的日志,linux shell脚本连接oracle查询数据插入文件和日志文件中
- 店宝宝:电子商务蓬勃发展成就“中国网店第一村”
- [介绍] SymbolSort, 帮你避免或减少代码膨胀 (Code Bloat)
- jQuery(JS库) | 一文带你掌握jQuery的使用
- win10系统 VirtualBox 无法打开虚拟机,报错VERR_VD_IMAGE_READ_ONLY
- 可靠性技术在医学仪器中的应用前景分析
- OPENCV CvMat的使用
- git忽略文件 取消忽略文件
- 线程同步-信号量-strand的用法总结
热门文章
- 面向对象:想和你一起看晴空万里,想和你一起走遍东西南北,往后余生等着你...
- 次世代3D游戏究竟有什么不同,看人物建模与场景搭建,第一眼就有答案!
- 便携式超宽带记录回放系统之高速采集卡
- Deformable ConvNets v2算法笔记
- 为什么选择Android Studio 而不再固守 Eclipse?
- Acer v5-573G笔记本拆键帽改dvorak教程
- ssm框架的项目中用户图片的上传功能
- 【学习笔记】ROS-古月居第6讲:机器人SLAM与自主导航
- 01--python 中的列表list 练习题
- Android音视频编辑库,Android音视频处理.pdf