weiwanshu的专栏

Related work 基于外观的识别方法： 常见的输入数据形式最常见的是GEI。对GEI的处理方式一般为：1)从视频中提取人体轮廓; 2)通过轮廓对齐和平均计算步态能量图像GEI; 3)然后计算两个GEIs之间的相似关系也有直接使用剪影的方法，如Gaitset。但是基于外观的识别方法主要的挑战是 角度 / 载荷 / 衣物 / 遮挡 等，它们会改变人的轮廓。基于模型的方法先建立人体的模型，根据输入数据得到模型参数，而后对模型参数变化进行分类。难点在人体模型的定位精度以及计

程序来自https://github.com/AbnerHqC/GaitSetPretreatment.py报错：module 'scipy.misc' has no attribute 'imsave'问题原因：版本不对解决方法：pip install scipy==1.2.1 -ihttps://pypi.tuna.tsinghua.edu.cn/simple有可能需要安装 xarrayValueError: Object arrays cannot be loa...

参考论文：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling参考链接：序列建模之时间卷积网络TCN - 杨镒铭的文章 - 知乎 https://zhuanlan.zhihu.com/p/41987775TCN时间卷积网络 - 剪水作花飞的文章 - 知乎...

NARX 和 注意力机制相关的论文，这三个论文的模型很像，放一起比较一下

Attentive Model 的优势：1、适合multiple tasks 例如 Machine Translation, Question Answering, Sentiment Analysis, Part-of-Speech tagging, Constituency Parsing and Dialogue Systems.2、它们被广泛地用来提高神经网络的可解释性3、有助...

Routes and clustering features of PM2.5 spillover within the Jing-Jin-Ji region at multiple timescales identified using complex network-based methodsAbstract：spillover networks at multiple timescale...

Long short-term memory - Fully connected (LSTM-FC) neural network for PM2.5concentration prediction•The LSTM-FC neural network can give an accurate prediction of urban PM2.5contamination over the n...

深度学习框架中涉及很多参数，如果一些基本的参数如果不了解，那么你去看任何一个深度学习框架是都会觉得很困难，下面介绍几个新手常问的几个参数。batch深度学习的优化算法，说白了就是梯度下降。每次的参数更新有两种方式。第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。这种方法每更新一次参数都要把数据集里的所有样本都看一遍，计算量开销大，计算速度慢，不支持在线学习，...

我最近看上了一个研究方向，在网上一查已经被IJCAI-18发了。好消息是我这个研究方向是可以用的，坏消息是我可能得从里面找到自己能做的东西。。所以研究一下人工智能和机器学习的顶会和相关文章才不会落伍啊。。。 看了版上很多贴子，发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题，我都有点纳闷，为什么不去读顶级会议...

注意力机制PM2.5预测研究GeoMAN，提出了一种空间局部注意力、空间全局注意力、时间注意力三层的机制【注意力机制实例】GeoMAN（一）论文阅读 对AQI进行空间插值，设计五个直接因素子网络（历史天气、天气预报、温湿度等等），预测300+城市的48小时天气情况【论文阅读】Deep Distributed Fusion Network for Air Quality Prediction...

Deep Distributed Fusion Network for Air Quality Prediction摘要：基于对大气污染的领域知识，提出了一种基于深度神经网络（DNN）的方法（Deep-air），该方法由空间变换组件和深度分布式融合网络组成。考虑到大气污染物的空间相关性，组件将空间稀疏的空气质量数据转换为一致的输入，以模拟污染物源。后一种网络采用神经分布式结构，融合城市异质数据...

摘要：Deep Inferential Spatial-Temporal Network以解决空间和时间方面的非线性相关问题。使用inferential predictor、spatial predictor和temporal predictor进行了48小时天气预报，主要研究数据来源于北京地区35个站点和格网气象数据目前的主要问题：1、多因子问题 multiple factors...

Abstract：气溶胶光学厚度AOD数据(aerosol optical depth)和地面观测站数据构成了对PM2.5的可靠量测，一般的AOD-PM2.5关系都是使用线性模型进行模拟的。使用深度学习的方法可以模拟非线性关系，但是没有考虑空间因素。本实验使用中国地区的satellite AOD products、NDVI data 、meteorological factors 和stat...

惯例，除了蓝字都不是我写的。在计算机视觉里attention应用在目标检测、语义分割等方面。在之前的机器翻译里提到了CNN的特点，图像领域最常用的就是CNN方法。Non-local Neural NetworksLocal这个词主要是针对感受野(receptive field)来说的。以卷积操作为例，它的感受野大小就是卷积核大小，而我们一般都选用3*3，5*5之类的卷积核，它们只考虑局...

GeoMAN: Multi-level Attention Networks for Geo-sensory Time Series Prediction摘要：使用一个考虑多传感器读数、气象数据和空间数据的，基于多层次注意的递归神经网络，预测未来几个小时内的地理传感器读数。模型包括两个方面，1) 一种动态时空依赖模型的多级注意力机制 2）一种融合不同领域外部因素的通用融合模块。主要应用在空气质...