- 博客(862)
- 收藏
- 关注
RSS订阅原创 torch.chunk
input(Tensor): 要分割的输入张量chunks(int): 要分割的块数dim(int, optional): 沿着哪个维度进行分割，默认为0（第一维）返回一个包含分割后所有块的元组(Tuple[Tensor, …])
2025-09-11 11:32:02
321
原创 跳跃连接（Skip Connections）
跳跃连接从一个简单的、用于解决梯度消失和网络退化问题的技巧，已经演变为现代深度学习架构设计的核心指导思想之一。它的含义远不止于“连接两层网络”，它代表了一种构建可持续梯度流促进特征复用实现高效跨模块信息集成的哲学。应用领域具体形式主要作用扩散模型U-Net中的编码器-解码器跳跃连接保持图像细节，稳定大规模生成模型训练（曼哈顿）注意力Transformer子层周围的残差连接确保极深Transformer网络的稳定性和可训练性多模态模型跨模态跳跃连接实现细粒度的模态对齐与特征融合，提升联合表征能力。
2025-09-10 20:50:06
658
原创 word公式复制到另一个word当中出现图片解决方案
还是用mathtype吧。因为你不知道对方的word到底是啥版本的。万一对方的word版本打开显示不出你的office公式和符号，那就尴尬了。
2025-09-10 14:21:13
140
原创 Rao-Blackwellized方法
特性标准蒙特卡洛方法Rao-Blackwellized 方法目标估计IEfxyIEfxy)]估计IEgxIEgx)]gxEfxy∣xgxEfxy∣x采样从pxypxy采样xiyixiyi从pxpx采样xixi估计量IMC1N∑ifxiyiIMCN1∑ifxiyiIRB1N∑igxiIRBN1∑i。
2025-09-10 13:51:04
802
原创 Rao-Blackwellized 方法
Rao-Blackwellized 方法是一种基于的统计估计技术，它通过来降低估计量的方差，同时保持估计的无偏性。该方法在蒙特卡洛模拟、状态估计（如粒子滤波）和机器学习等领域有广泛应用。
2025-09-10 13:48:46
1023
原创 DM加速采样
技术类别核心思想优点缺点更优采样器设计更高效的数值积分方法，用更少步数求解反向ODE/SDE无需重新训练，直接加速预训练模型步数减少有极限，极低步数下质量下降知识蒸馏训练新模型，用一步模仿多步可实现一步生成，极限速度快需要大量计算和时间进行蒸馏，可能略有质量损失潜在空间扩散在低维潜在空间中进行扩散/去噪计算量大幅降低，是当前主流依赖预训练的VAE，编码/解码可能引入瑕疵混合模型/轨迹优化改变生成范式或优化轨迹形状潜力大，可能找到更优的生成路径仍处于研究阶段，需要重新训练模型。
2025-09-09 17:23:35
776
原创 DM加速采样
技术类别核心原理数学基础加速效果代表工作高效采样器将扩散视为ODE/SDE，使用高阶数值求解器，增大步长数值分析、微分方程减少步数知识蒸馏训练新模型，将教师模型多步行为压缩到学生模型单步中优化、函数逼近极大减少步数潜在空间扩散在低维潜在空间中进行扩散计算变分自编码器(VAE)加速每步计算在实际应用中，这些方法常被结合使用。例如，在Stable Diffusion中，既利用了潜在空间扩散来加速单步计算，又广泛采用DPM-Solver等采样器来将步数减少到20步左右，从而实现高质量的实时生成。
2025-09-09 17:15:54
766
原创 随机游走（Random Walk）和图拉普拉斯矩阵（Graph Laplacian Matrix）
随机游走是描述一个行走者在一个图（Graph）的顶点（Vertex）上，以某种概率规则随机地移动的数学模型。图 (Graph): 定义一个无向、有权或无权、可能带自环的图GVEWGVEW。VVV是顶点集合，∣V∣n|V| = n∣V∣n。EEE是边集合。WWW是权重邻接矩阵（Weighted Adjacency Matrix），其中元素wij≥0wij≥0表示边ij(i, j)ij的权重。如果图是无权的，则wij1。
2025-09-07 20:56:40
641
原创 随机游走（Random Walk）和图拉普拉斯矩阵（Graph Laplacian Matrix）
概念数学表示物理/数学含义随机游走PD−1WPD−1W描述一个粒子在图上的随机移动规则平稳分布πidivolGπivolGdi随机游走的长期行为，粒子访问各顶点的极限概率标准拉普拉斯矩阵LD−WL = D - WLD−W图上的差分算子，衡量函数局部变化的总和随机游走拉普拉斯矩阵LrwI−PLrwI−P直接与转移矩阵相关，其特征值决定了随机游走的收敛速度对称归一化拉普拉斯矩阵LsymI−D−12WD。
2025-09-07 20:54:56
447
原创 图邻接的变换矩阵
这些变换矩阵通过不同的归一化方式，适应了各种图分析任务的需求，为图数据结构提供了丰富的数学表示和处理工具。：通过度矩阵的归一化，消除节点度分布不均匀的影响。这一性质在图信号平滑度和正则化中起重要作用。处的"平滑度"或"变化率"。：与随机游走过程相关联。
2025-09-07 20:49:08
776
原创 GNN、KG、Multi-Modal
这里的“离散”指的是图的结构（节点和边）是固定不变的，并且消息传递（信息聚合）过程以。动态图的结构（节点或边的出现/消失）或节点/边的特征会随着时间（通常是离散的时间步）发生变化。学习目标是让真实三元组的分数高于随机构造的负样本三元组的分数。的信息（如图像、文本、音频、图结构等），以获得比任何单一模态更全面、更鲁棒的数据表示。图上的交互（边）不是发生在规整的离散时间步，而是在任意连续的时间戳。每个节点通过聚合其邻居的信息来更新自身的表示。则为这些“车辆”提供了更高质量、更丰富的“燃料”（节点/边的特征）。
2025-09-07 20:46:06
907
原创 卡尔曼滤波
用于从包含噪声的观测数据中估计动态系统的状态。它通过结合系统模型预测和实际测量值，以最小化均方误差的方式提供对系统状态的最优估计。卡尔曼滤波通过巧妙结合系统动力学模型和实际观测数据，在不确定性环境中提供了对系统状态的最优估计。
2025-09-07 20:36:51
972
原创 各种长得相似的等于符号
符号名称主要含义和用途≈约等于通用，表示近似相等。≅全等于几何学中，表示图形全等（最符合您的描述）。≒约等于主要用于日、韩、台地区，等同于≈。≃渐近等于数学分析，表示函数渐近行为。≐定义等于表示按定义相等。
2025-09-07 13:48:17
404
原创 pytorch_lightning/trainer/optimizers.py“, line 176, in configure_schedulers raise ValueError(f‘The p
降torch版本。
2025-09-03 20:24:08
222
原创 ModuleNotFoundError: No module named ‘lib‘
这样 Python 会把。不过这种情况下报错通常是。），而不是脚本所在目录。如果你在 script/
2025-09-03 08:50:30
175
原创 信道预处理函数设计
伪逆/ZF 预处理把每个用户的“有效通道”化为相同标量，因此空中叠加就等于加权求和；正则化/MMSE、相位对齐、波束成形、OFDM 逐子载波和 RIS 等，都是围绕“让叠加可控、让误差最小”这个目标的不同工程化变体。选哪个，取决于信道条件、硬件约束、同步/CSI 质量、以及要算的函数（和、加权和、平均等）。
2025-08-31 19:36:21
360
原创 希尔伯特-施密特独立准则（Hilbert-Schmidt Independence Criterion, HSIC）
两个随机变量XXX和YYY。从联合分布PxyP_{xy}Pxy中抽取的样本Zx1y1x2y2xmymZ{(x1y1x2y2...xmym)}。核函数kkk(用于XXX，对应RKHSFF) 和lll(用于YYY，对应RKHSGG常用的核函数是高斯径向基函数（RBF）。HSIC的值定义为交叉协方差算子CxyC_{xy}CxyHSICPxyFG∥Cxy∥H。
2025-08-31 08:42:05
827
原创 跑步和爬楼梯
结论：如果追求短时间内燃烧更多卡路里，爬楼梯是更高效的选择。它还能产生显著的“后燃效应”（EPOC），即运动结束后身体仍在持续消耗热量。爬楼梯：跑步：结论：如果希望同时增肌和减脂，特别是想强化臀腿线条，爬楼梯的效果远胜于跑步。如果只是追求心肺健康和全身减脂，两者都非常好。结论：体重基数过大（BMI > 28）、或有膝关节伤病史的人，两者都需要谨慎。如果选择爬楼梯，务必注意上行姿势并避免下行。跑步则需选择一双好的跑鞋，并在塑胶跑道等较软的地面上进行。趣味性：跑步可以户外看风景、听音乐、约跑友，更容易坚持。爬楼
2025-08-30 17:56:25
485
原创 Nature子刊：在新论文中重复用本人已发表文章的语句算剽窃吗？
本文探讨了学术界关于在科学研究论文中重复使用已有文本的界限，强调了在方法部分的合理复用需引用来源，而引言和讨论部分应保持原创性。期刊编辑指出，除了道德要求，过度复用可能导致论文质量下降。Nature子刊：在新论文中重复用本人已发表文章的语句算剽窃吗？
2025-08-30 08:52:37
166
原创 “硬编码”与“学习式”
特性不同的标识符 (如 one-hot)可训练矩阵 (Embedding)核心硬编码，预先定义学习得到，数据驱动信息量稀疏，仅有身份ID信息稠密，蕴含丰富语义和关系灵活性差，无法表达设备间相似性强，能自动学习设备间的复杂关系协同性与主任务分离与主任务共同优化，为目标服务扩展性新增设备需增加维度新增设备只需增加一个可训练向量因此，使用可训练矩阵而不是简单的标识符，是为了让模型能够更智能、更灵活、更精准地利用设备信息，从而在最终任务上获得更好的性能。这是一种让数据自己“说话”的强大策略。
2025-08-30 08:23:54
518
原创 硬样本挖掘
核心思想：硬样本挖掘三元组损失通过主动寻找模型目前还搞不定的样本（难样本）来训练网络，极大地提高了训练效率和模型最终性能。关键机制：它通常采用在线挖掘（Online Mining）的方式，在一个训练批次内为每个锚点选择最难的正样本（最远的同类）和最难的负样本（最近的异类）。优势：相比随机采样，它让模型的学习过程更有针对性，避免了在大量简单样本上浪费计算资源，使模型能够学习到更细微的差异。注意点marginmarginmargin是一个重要的超参数，需要仔细调整。
2025-08-29 00:58:29
711
原创 Graph WaveNet (GWN) 和支持矩阵（Support Matrices）
Graph WaveNet 是一种用于时空图预测的深度学习架构，由 Wu 等人于 2019 年在论文 《Graph WaveNet for Deep Spatial-Temporal Graph Modeling》 中提出。非直接连接的节点间的依赖关系：在真实的图结构（如交通路网）中，相距较远甚至没有直接连接的节点之间可能存在强烈的相互影响（例如，城市两端的交通拥堵可能相关）。传统的图卷积网络（GCNs）通常只利用预定义的图结构，无法捕获这种“隐藏”的依赖关系。同时捕获时空动态。
2025-08-28 16:16:39
576
原创 流形（manifold）结构的数据
在数学上，一个ddd维流形MM是一个拓扑空间，其中每个点的局部邻域都与ddd维欧几里得空间RdRd同胚（即存在一个连续且逆也连续的双射）。这意味着流形在局部是欧几里得的，但在全局上可能具有复杂的弯曲结构。形式上，对于流形MM上的任意一点x∈Mx∈M，存在一个开邻域U⊂MU⊂M和一个同胚映射ϕU→VϕU→V，其中VVV是RdRd中的一个开集。映射ϕ\phiϕ被称为一个坐标卡（Chart），它给局部区域UUU赋予了坐标。
2025-08-28 15:45:08
1075
原创 super().__init__() 和 self.register_buffer()
这两个操作是 PyTorch 模块开发中的基础模式，分别处理继承初始化和非参数数据的存储管理。
2025-08-28 14:41:48
152
原创 Python 魔法方法 (Magic Method)
特性描述目的让自定义类能够与 Python 的内置操作符、函数和协议无缝集成。名称前后带有双下划线__（如__init____add__调用隐式/自动调用。你使用len(obj)，Python 帮你调用。本质它们并不是真正的“魔法”，而是 Python 数据模型的一部分，是一种清晰的、预定义的接口，让你能够扩展语言的功能。简单来说：魔法方法就是让你自己定义的类也能像内置类型（如listdictstr）一样“好用”和“自然”的关键。
2025-08-28 14:24:37
647
原创 __setstate__()
在模型加载（反序列化）时，确保即使加载的是缺少状态的旧版本模型文件，也能通过为其提供默认值F.relu来保持向后兼容性，从而保证模型能够被正确无误地初始化。这是一种非常常见的模式，用于处理代码升级后与旧版本序列化文件（如模型检查点）的兼容性问题。它优雅地处理了旧数据缺失某些新属性的情况。
2025-08-28 14:22:18
299
原创 连续 ranked 概率评分CRPS
点预测：预测一个具体的值（例如，“明天最高气温为25℃”）。常用MAE、MSE等指标评估。概率预测：预测一个概率分布（例如，“明天最高气温最可能在24-26℃之间，但有10%的可能高于27℃”）。我们需要更强大的指标来评估整个预测分布的好坏。CRPS就是用于评估概率预测准确性的指标。将预测的累积分布函数与观测值的真实分布（一个阶跃函数）进行比较，并计算两者之间的平均差距。准确性：预测分布的中心应该与真实值一致。锐度：预测分布应该尽可能集中，不确定性越低越好（当然，前提是准确的）。
2025-08-25 21:43:23
1240
原创 表格转Latex
Create LaTeX tables online – TablesGenerator.comEasily create even complex LaTeX tables with our online generator – you can paste data from a spreadsheet, merge cells, edit borders and more.https://www.tablesgenerator.com/latex_tables
2025-08-25 09:33:46
338
原创 Latex中经典三线表、多线表、内容跨行/跨列复杂表的详解与源代码
本文详细介绍如何使用LaTeX中的booktabs宏包绘制专业级的表格，包括经典三线表、多线表、内容跨行表、内容跨列表以及复杂组合表的绘制方法，并附带具体代码示例。Latex中经典三线表、多线表、内容跨行/跨列复杂表的详解与源代码_latex toprule-CSDN博客。
2025-08-25 09:26:57
381
原创 elsevier期刊Latex
Elsevier期刊最新latex模板链接：https://www.elsevier.com/researcher/author/policies-and-guidelines/latex-instructionsThe Elsevier article class爱思唯尔文章类可帮助您正确格式化手稿的前言。它是 elsarticle 包的一部分。该包包含在大多数 TeX 发行版中，并在模板中可用。 elsarticle 文档 和一些常见的模板和书目样式也是此包的一部分。两个额外的类文件和模板可用于单列
2025-08-25 09:11:09
847
原创 克里金法（Kriging）
克里金法本质上是一种技术。： 它是一种地理统计学方法，用于根据已知空间位置的点数据（如某个矿点的矿石品位、某个气象站的气温），来最优地、无偏地预测未知位置点的数值。它的强大之处在于不仅给出了预测值，还给出了预测的不确定性（误差方差）。： 意味着借鉴了克里金法的。
2025-08-24 16:11:01
417
原创 选择性状态空间模型（Selective State Space Model）
简单来说，它维护一个“状态”（state），该状态随着序列的每一步而更新。与传统的线性固定参数的S4不同，Mamba的关键创新在于“选择性”（Selectivity），即模型参数（操作，能够高效地处理长序列数据，并根据输入内容动态地调整其内部参数，这是它相比传统循环神经网络（RNN）和Transformer模型的核心优势。这使得模型能够选择性地“记住”或“遗忘”信息，极大地提升了其处理依赖上下文信息的能力（如理解语言）。) 进行特征转换和编码。）不再是固定的，而是由当前输入。
2025-08-23 08:24:41
348
原创 RMSNorm (Root Mean Square Normalization) 模块
RMSNorm 的原理是基于均方根来对数据进行缩放，而不是像 LayerNorm 那样基于标准差（需要先减去均值）。计算均方根：对于一个输入向量，计算其所有元素平方的平均值，然后取平方根。RMS1n∑i1nxi2RMSn1∑i1nxi2缩放：将输入向量的每个元素除以（RMS + ε），将其“尺度”归一化。xixiRMSϵxiRMSϵxi仿射变换。
2025-08-22 20:24:55
647
原创 文献检索类型
文献类型是数据库根据文献的出版载体、内容和目的进行标注的。期刊名称中的关键词（如 “Letters”, “Magazine”）通常是其出版物类型（Letter）的最直接指示。IEEE Communications Letters 的检索类型是Letter。IEEE Communications Magazine 的检索类型是。
2025-08-17 14:28:29
930
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人