avatar
Articles
864
Tags
271
Categories
182

Yan 的杂物志_个人主页分享
Search
论文阅读_近端策略优化_PPO
Created2023-03-04|2_Note0_Technic2_算法15_强化学习
12345name_ch: 近端策略优化算法name_en: Proximal Policy Optimization Algorithmspaper_addr: http://arxiv.org/abs/1707.06347date_publish: 2017-08-28 读后感 PPO 近端策略优化是一种强化学习算法,具体是对深度学习策略梯度方法的优化。 策略是强化学习中用于决定在每个时刻采取哪个动作的函数。近端约束用于限制策略的变化,以避免过于激进地改变策略。 文中介绍了两种方法:截断和 KL 散度,近端约束通常使用梯度截断来实现,即将梯度限制在一个特定范围内,让学习的步调不要太大。 介绍 一种改进版的强化学习策略梯度算法。它从与环境交互的数据中采样。不同于标准的策略梯度方法对每次采样执行一次梯度更新,文中提出了一个新的目标函数,可以实现多个 epoch 的 minibatch 数据更新,另外,它是 TRPO 的改进算法,相对 TRPO 更为简单,InstructGPT 的强化学习用的就是 PPO(ChatGPT 可能也是)。 方法 优化算法 文章介绍了三种方法,其差别主要在损失 ...
论文阅读_善用Midjourney
Created2023-02-28|2_Note0_Technic2_算法8_图形图像AI绘画
中文名称: 用 Midjourney 生成格林童话插图 英文名称: Grimm in Wonderland:Prompt Engineering with Midjourney to Illustrate Fairytales 论文地址: http://arxiv.org/abs/2302.08961 时间:2023-02-17 读后感 针对生成图的提示工程,利用工具 Midjourney v4,进行了一系列实验。得出一个生成提示的 4 阶段过程:初始提示,成分调整,风格细化,加入变化。另外还讨论了生成图像效果不佳的三个原因:计数困难,难以生成假定的场景,无法描述过于奇异的情况。作者认为这不仅用于生成图片,且对未来的生成模型具有普适性。 介绍 之前的提示工程研究包含:主语,动词,环境,风格;之后又有人提出:主题词,风格修饰语,图像提示,质量助推器,重复,和魔术术语的方法。 Midjourney 是实践中最受欢迎的工具之一,尽管它是商业的,对建筑也知之甚少。目前的 Midjourney V4 更为复杂,它支持更多知识,能生成更多细节,可接受更复杂的提示,能处理多实体的场景。 方法 当前的 ...
7_Obsidian_用腾讯云同步笔记
Created2023-02-19|2_Note0_Technic0_工具笔记工具Obsidian同步
1 介绍 之前用 gitee 同步 OB 笔记,同时做图床。但由于 git 系产品设置起来相对复杂,且后续可能有外链过审等问题。周五被同事小姐姐安利了用腾讯云 COS,试了一下,果然不错。其主要优点如下: 设置简单,学习成本低,手机端也可方便设置 价格也可接受,如果仅存笔记,一年也就十几 - 几十块钱吧(当然也看存储访问量) 想存啥存啥,不用担心哪天被人家关了 2 开通腾讯云存储 先用价格计算器看一下价钱 腾讯云存储 注册并开通 COS 服务 登录 创建笔记存储桶 起名(后面不能改),设成私有读写,其它使用默认设置 创建图床存储桶 起名(后面不能改),设成公有读私有写,其它使用默认设置 创建密钥 网页入口 3 设置同步 OB 笔记 安装插件 Remotely Save 此后,左侧出现一个小圆圈的图标,需要同步时按这个图标即可。 填写以下五项设置,其它可使用默认 (20230218 当前版本插件,填写设置中的五个输入框) 其中第一二五项内容填写获取方式:COS 网页 ->存储桶列表 ->点新建桶右侧的配置管理,根据其访问域名填写;第三四项内容根据上面创建的密钥填写 ...
Bland-Altman图
Created2023-02-18|2_Note0_Technic2_算法3_数据分布
介绍 Bland-Altman 图是一种一致性评价测量方法,简称 BA,常用于医学实验和数据分析。 可使用它检测两组数据的一致性,比如对比新旧两种方法,对比一组实际值和预测值等。相对于校准曲线,它能更好地对比两组数据中每个数据对的一致性。 如何看图 图中每个点代表一个实例,其横轴是预测值和实际值的均值,纵轴是其预测值与实际的差值。两条红线分别表示 mean±1.96std 的范围。若大部分样本点落在此范围内,则说明两种方法的测量一致性较好。如上图中最右侧的点,假设它的预测值是 1,实际值是 0.93,则其均值是 0.965(即横坐标),其差值是 0.07(即纵坐标)。 通过看图可以得到一些结论,如: 可以从图中点看出数据的分布; 如果图中点均分布在 0 附近,则说明一致性高; 如果左边密集,右边分散,则说明值越小误差越小; 从 Y 轴可以看出,数据是往上偏还是往下偏。 实现 Python 的 pingouin 和 pyCompare 包都提供 BA 作图工具,也可以使用 matplotlib 直接画图,详见: Bland-Altman Plots(一致性评价)在python中的实 ...
论文阅读_AlphaGo_Zero
Created2023-02-17|2_Note0_Technic2_算法15_强化学习
journal: Nature name_ch: 在没有人类知识的情况下掌握围棋游戏 name_en: Mastering the game of Go without human knowledge paper_addr: http://www.nature.com/articles/nature24270 date_publish: 2017-10-01 读后感 AlphaGo Zero 是 AlphaGo 的改进版本,之前版本都使用有监督学习和强化学习相结合的方式。如题——它与之前版本不同的是不需要通过学习人类棋手的下法,其 Zero 意思是无师自通。其核心算法是将价值网络和策略网络二合一,并在卷积网络中加入残差。 介绍 文章分两部分,第一部分介绍其整体,第二部分展示了算法细节和一些背景知识(在参考资料之后)。 AlphaGo 是深度强化学习的精典应用范例,围棋领域之所以复杂是因为:在广阔的搜索空间中,需要有精确而精细的前瞻性。 AlphaGo 的第一个版本,简称 AlphaGo Fun,指 2015 年战胜樊麾的版本;它使用两个神经网络:价值网络和策略网络。其中的策略网络一开始 ...
列线图工具_Nomogram
Created2023-02-11|2_Note0_Technic2_算法3_数据数据分析
定义 列线图是一种相对传统的分析方法,用于展示自变量和因变量的线性关系,及其特征的重要程度。 现在用 SHAP,和机器学习库中的 Feature importance 工具可以实现类似甚至更好效果。不过很多传统的研究领域比较认这种方法。 列线图工具建立在多因素回归分析的基础上,将多个预测指标进行整合,然后采用带有刻度的线段,按照一定的比例绘制在同一平面上,从而用以表达预测模型中各个变量之间的相互关系。 原理 先使用多因素回归(逻辑回归,Cox 回归)得出的结果,然后根据回归系数算出 Nomogram 及画图。 处理流程 主要操作流程如下: 数据处理: 去掉共线性特征(VIF 判断多重共线性) 去掉单因素分析中不显著的特征 去掉加了和不加对模型没什么影响的特征(LASSO 回归) 做多因素回归 用回归结果做 Nomogram,将结果图形化 怎么看图 Points:第一行是标尺 前几行是特征重要性 Total Points: 所有指标加在一起的得分 Risk:对应风险值 工具 R 语言实现方法,详见:Nomogram图不会画?看了这篇,小白也能轻松看懂搞定 Python 没有 N ...
数据分析工具_SuperSet
Created2023-02-11|2_Note0_Technic2_算法3_数据数据分析
介绍 SuperSet 是一款开源可视化 BI(商业智能)Web 应用程序。它通过创建和分享 dashboard,为数据分析提供了轻量级的数据查询和可视化方案。其优点如下: 不需要自己去搭服务,写前端页面,直接生成分析图 可接入多种数据源 安装方便,学习成本较低 安装 使用 docker 安装启动方法如下: 12345678910111213docker search supersetdocker pull amancevice/superset # 星最多,最新版的mkdir -p /opt/module/docker/superset/conf mkdir -p /opt/module/docker/superset/data# 启动docker run --name superset -u 0 -d -p 8088:8088 -v /opt/module/docker/superset/conf:/etc/superset -v /opt/module/docker/superset/data:/var/lib/superset amancevice/superset# 进入 ...
论文阅读_图形图像_U-NET
Created2023-02-08|2_Note0_Technic2_算法8_图形图像AI绘画
英文名称: U-Net:Convolutional Networks for Biomedical Image Segmentation 中文名称: U-Net:用于生物医学图像分割的卷积网络 论文地址: http://link.springer.com/10.1007/978-3-319-24574-4_28 出处:journal: Medical Image Computing and Computer-Assisted Intervention–MICCAI 2015 时间: 2015 1 读后感 本文主要针对的问题是优化生物医学图像领域的图像识别,之前图像模型往往需要数千张标注图片训练。而医学影像数据往往存在图片大,图片中内容多(比如一张图中可能有很多的不正常细胞),难以做几千张图片的标注,除了正常异常,还常常需要标出具体位置。之前的方法是用滑动窗口将图像切成小块训练,这种方法比较慢图像重叠造成冗余,还要根据具体情况考虑切分方法,才能在上下文和效率之取得平衡。 文中提出的解决方法是:设计了U 型网络结构和训练策略,相对于普通的卷积网络,增加了右侧的上采样卷积,从而恢复图像。 最 ...
蓝思指数
Created2023-01-08|2_Note0_Technic0_工具其它
1 蓝思指数 蓝思阅读指数,所谓的 Lexile(蓝思指数),是美国科学基金会 (National Science Foundation,United States 简称 NSF) 为提高学生的阅读能力,而研究出的一种衡量学生阅读水平和标识书籍难易程度的一套标准。 2 地址 http://lexile.com 3 分级表 Pasted image 20221207185918.png 4 查书的难度 https://hub.lexile.com/find-a-book/book-results 5 计算段落的难度 Analyzer 工具,可以免费测试 250 个单词以内的段落的蓝思值。 https://hub.lexile.com/analyzer 6 问题 英语是拼读语言,大部分单词符合拼读规则。蓝思指数源自美国,对于英语是母语的人,看到拼写基本会读,会读就知道大概意思。而很多单词我们能大概拼出来也不知道是什么意思。 找了几篇难度在 700 左右的文章,看了看觉得难度差异非常大,感觉用这个直接给娃找书……仅供参考吧。
文献工具_Zotero
Created2023-01-08|2_Note0_Technic0_工具笔记工具zotero
之前一直用在线的 readpaper 看论文,可是文献一多,就觉得分类功能比较弱,也不太好找,另外没办法做整篇笔记,也不能和笔记工具连起来,有点难受。 昨天同事推荐了 Zotero 和 Endnote,看了几篇文章都说 Zotero 比 Endnote 好用,另外,它还能导出 Obsidian Note,在 O 和 Z 之间互相跳转,以及和 Chrome 结合。 1 简介 Zotero 用于收集、组织、引用、分享各类资料,支持网页版,注册账号之后在多端自动同步以及使用浏览器插件。 2 用后感 安上后发现除了论文还支持书籍文献等等功能。感觉 Zotero 覆盖了之前使用软件的所有功能,软件版本也更稳定,翻译也很流畅。 3 安装 Linux 版本 3.1 下载 https://www.zotero.org/ 3.2 安装 12345678910tar xvjf Zotero-6.0.19_linux-x86_64.tar.bz2mv Zotero_linux-x86_64/ /opt/cd /opt/Zotero_linux-x86_64/chmod 777 zoterochmod 777 ...
1…404142…87
avatar
Yan.xie
顺流而下还是逆流而上?
Articles
864
Tags
271
Categories
182
Follow Me
Announcement
This is my Blog
Recent Post
AI在股票决策中的应用_开源项目XYStock2025-09-01
250811_对谈_内向意义和外向意义2025-09-01
论文阅读_两阶段的股票价格预测2025-09-01
论文阅读_大模型情绪分析预测趋势2025-09-01
股票_相关知识2025-09-01
Categories
  • 0_IMO90
    • 工作1
    • 方法1
      • 工作1
    • 说给一个人听88
      • 01_自我建构36
        • 实修3
        • 思考与觉悟17
Tags
关系抽取 沟通 深度学习/知识蒸馏 投资 自然语言处理/BERT 成长 咖啡拉花 VPN 驱动 后端 大语言模型 强化学习 卡片 理财规划 世界观 医学 数据分析 灵感创意 行为模式 #论文阅读 社会评价 佛教 插件开发 Android #编程语言/前端 关系反转 量化回测 模型工具 表达自由 社会学 神经网络 智能家居 远程桌面 美食 稳定币 基金交易 读书 大模型 reading 算法实战
Archives
  • September 20255
  • August 202519
  • July 202539
  • June 202537
  • May 202529
  • April 202516
  • March 20258
  • February 20252
Info
Article :
864
Total Count :
1211.1k
UV :
PV :
Last Push :
©2020 - 2025 By Yan.xie
Framework Hexo|Theme Butterfly
京公网安备11010802043346号
京ICP备2023029600号-1
Search
Loading the Database