“机器学习与人工智能”的版本间差异

来自Shiyin's note
跳到导航 跳到搜索
第39行： 第39行：
*降维：tSNE
*降维：tSNE
*降维：MDS Multidimensional Scaling, [https://zhuanlan.zhihu.com/p/141434196]
*降维：MDS Multidimensional Scaling, [https://zhuanlan.zhihu.com/p/141434196]
* 贝叶斯方法中的Simulation-based inference (SBI; also known as “likelihood-free” inference)：基于神经元的正向建模 [http://arxiv.org/abs/2203.07391]


==软件包==
==软件包==

2022年3月31日 (四) 09:27的版本

  • artificial neural networks (ANN)
气体的冷却 deepCool, deepHeat, and deepMetal: arXiv:1901.01264
对quench的机制进行排序 [1]
  • unsupervised Random Forest
找到SDSS中最怪异的星系 [2]
https://arxiv.org/abs/2007.08530
  • 恒星形成历史 [3]
基于数值模拟的结果，监督学习
Convolutional Neural Networks(CNN)
Extremely Randomised Trees
  • 高斯过程回归 （Gaussian Process Regressor）
Scikit-Learn machine learning package for Python
arXiv1901.02877 1908.04318

图像相关

  • merger
REALSIM [4]
  • Galaxy morphology network [5]
  • Morpheus
https://ui.adsabs.harvard.edu/abs/2020ApJS..248...20H/abstract
  • 贾鹏的方法
https://arxiv.org/abs/2002.09211
  • deblend
Residual Dense Neural network (RDN) [6]
sextractor做deblend [7]
weaklense中的deblend [8]
  • 图像生成
[9] StyleGAN 生成的图片真实度最高，生成的图片可以增加星系样本的多样性，使得网络更具有泛化能力。

算法

  • 降维：tSNE
  • 降维：MDS Multidimensional Scaling, [10]
  • 贝叶斯方法中的Simulation-based inference (SBI; also known as “likelihood-free” inference)：基于神经元的正向建模 [11]

软件包

教程

取自“http://202.127.29.3/~shen/wiki/index.php?title=机器学习与人工智能&oldid=3787”