mmTransformer的正式实现：
堆叠式变压器的多峰运动预测。 （CVPR 2021）[] []
代码将于4月发布。
引文
如果您发现我们的工作对您的研究有用，请考虑引用该论文
@article{liu2021multimodal,
title={Multimodal Motion Prediction with Stacked Transformers},
author={Liu, Yicheng and Zhang, Jinghuai and Fang, Liangji and Jiang, Qinhong and Zhou, Bolei},
journal={Computer Vision and Pattern Recognition},
year={2021}
}
2021-09-29 11:08:45
4.32MB
1
这仍然是一项正在进行的工作。 试图获得一个基本版本，供人们开始尝试不同的数据集。
您可以找到示例。
自定义数据
修改 js/chart-progression.js 顶部的变量以匹配您的数据
使用要绘制图表的动态数据修改 data/data.csv 数据必须遵循以下格式： TIME,TYPE,SUBJECT_ID,VALUE TIME和VALUE是数字类型每个TYPE将是一个新图表SUBJECT_ID将点链接在一起
使用与上述相同的格式和标识符，使用静态数据修改 data/static.csv。 此数据中的VALUE没有数字 此数据不会被绘制成图表，而是作为右侧的过滤器存在
开发人员设置
如果您想运行 grunt（不是必需的），请使用以下。
安装节点
安装咕噜声npm install -g grunt-cli
导航到根目录
安装依赖npm install
运行 grunt 来设置
2021-09-24 20:35:10
414KB
1
堆码
简述
主要的三类集成学习方法为装袋，提升和堆叠。目前，大型的数据挖掘比赛（如Kaggle），排名靠前的基本上都是集成机器学习模型或深度神经网络。 将训练好的所有基模型对整个训练集进行预测，第$ j $个基模型对第i个训练样本的预测值将作为新的训练集中第$ i $个样本的第$ j $个特征值，同理，预测的过程也要先经过所有基模型的预测形成新的测试集，最后再对测试集进行预测。
具体原理讲解参考，简单来说，集成学习其实都是将基本模型组合形成更优秀的模型，Stacking也不例外。stacking是各个算法训练全样本的结果再用一个元算法融合这些结果，它可以选择使用网格搜索和交叉验证。
Mlxtend框架
基本上，现代传统机器学习领域的库基本上被sciket-learn（sklearn）占领，如果你没有使用过sklearnlib，那就不能使用过机器学习算法进行数据挖掘。但是，自定义集成学习库依
2021-09-17 14:58:46
6KB
1
3D IC堆叠技术许多半导体公司,已经调整了应对这新困难的战略,目前3D堆叠芯片技术备受业界关注。本文主要盘点中外各企业之间的“3D堆叠大战”以及科普下“3D芯片堆叠..
2021-09-14 10:43:05
11.82MB
1
兼容IE8的图标，算是一个完整的大屏单页面项目，提供给头疼实现echarts兼容ie的童鞋。请使用http-server打开，http-server具体操作请百度，谢谢
2021-09-07 16:24:31
1.57MB
1