normalization

    1热度

    1回答

    我正在处理一批维基百科文本,我想删除这些条目中包含的各种发音指南。例如,给出下面的条目: Sigmund Freud (/ˈfrɔɪd/ FROYD; German: [ˈziːkmʊnt ˈfʁɔʏt]; born Sigismund Schlomo Freud; 6 May 1856 – 23 September 1939) was an… Plato (/ˈpleɪtoʊ/; Greek:

    -1热度

    2回答

    我有两个表: question_likes: question_id references question(id) user_id references users(id) primary key (user_id, question_id) answer_likes: answer_id references answers(id) user_id references u

    0热度

    1回答

    关于normalizing state shape的每个文档,本质上列表的数据将作为对象存储在状态树中,这意味着返回数组数据从API调用首先被转换为动作创建者中的对象。然后,必须将对象数据转换回mapStateToProps()中的数组,以便使用render()内数组的.map()函数渲染结果道具。这种来回转换对于规范化状态而言是否合理?还是有更好的设计模式来处理与Redux一起使用ReactJS

    0热度

    1回答

    我计算给定soundfile的fft并获得形状的数组,例如(100,257)具有100行和257个频率仓。我想用这个作为输入向量为神经网络,但之前我想与librosa LIB正常化 https://librosa.github.io/librosa/generated/librosa.util.normalize.html#librosa.util.normalize 所以应该我正常化过轴= 0或

    4热度

    2回答

    我最近发现LayerNormBasicLSTMCell是LSTM的一个版本,其中实现了图层标准化和丢弃。因此,我用LayerNormBasicLSTMCell替换了使用LSTMCell的原始代码。这种变化不仅使测试精度从约96%降低到约92%,而且训练花费了更长的时间(约33小时)(原始训练时间约为6小时)。所有参数都是相同的:历元数(10),堆叠层数(3),隐藏矢量大小数(250),退出保持概率

    4热度

    1回答

    我们正在设计弹性搜索模型的事件,他们的日程安排和场地,事件发生的地方。 设计是以下几点:查询 例子,我们可能需要: 查找活动,这是音乐会,2017年1月7日和2017年7月7日 查找艺术家之间谁执行伦敦,而该事件剧院玩 查找事件,这是电影和有得分> 70% 个查找用户,谁参加活动AwesomeEvent 找到场地,这是本地伦敦,从今天起 我读过elastic doc和像this和几篇文章有些堆qu

    1热度

    2回答

    所以,我明白规范化对于训练神经网络很重要。 我也明白,我必须正常化validation-和测试设置与训练组的参数(例如见这个讨论:https://stats.stackexchange.com/questions/77350/perform-feature-normalization-before-or-within-model-validation) 我的问题是:如何做到这一点的Keras? 什

    0热度

    2回答

    我有一个图像I哪些像素强度落在0-1的范围内。我可以通过标准化来计算图像直方图,但我发现曲线与原始数据的直方图不完全相同。这会对后来的峰值查找过程造成一些问题(请参阅附上的两张图片)。 我的问题是在Matlab中,有没有什么办法,我可以绘制图像直方图没有正常化的数据,这样我可以保持曲线形状不变?当像素强度不在0-1范围内时,这将对这些原始图像有益。目前,如果我不规范化数据,我无法计算它们的直方图。

    1热度

    1回答

    我使用下面的代码正常化大熊猫数据帧: df_norm = (df - df.mean())/(df.max() - df.min()) 当所有列是数字这工作得很好。但是,现在我在df中有一些字符串列,上面的规范化出错了。有没有办法只对数据框的数字列执行这种规范化(保持字符串列不变)?谢谢!

    2热度

    1回答

    我刚完成使用mgcv程序包(我将称这个模型为gam1.5)来完成拟合GAM。我一直在玩vis.gam函数,我有一个问题,我一直无法解决。 我想标准化我的模型的拟合值,所以当我使用vis.gam时,z轴的限制为[0,1]。 我的想法就是将正常化公式在我的GAM模型的$fitted.values如下: gam1.5$fitted.values<-(gam1.5$fitted.values-min(ga