We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
博主你好,您设计的这个框架相比于其他人设计的former类模型相比,确实有相当大的改变,实验效果来看不错,但我有以下几个疑问: 1.您设计的框架理论依据是什么?为什么用一维to二维的这种映射能让时序预测更加精准? 2.U-net,Deeplab能不能换成其他图像分割模型(如Segnet)?
The text was updated successfully, but these errors were encountered:
1 我们在文献中发现人类似乎在做预测时喜欢从视觉神经系统出发,而非数值。这就构成了本文的motivation。即使用视觉系统来预测是否会比使用数值系统预测更加准确。 2 完全可以,本文主要贡献在于提出了一种机器视觉框架,里面的深度模型可以自行替换成各种视觉模型。
Sorry, something went wrong.
请问“文献中发现人类似乎在做预测时喜欢从视觉神经系统出发”是在文献Donis A Dondis. A primer ofvisual literacy. Mit Press, 1974.有提到吗?具体在哪里呢
亲爱的博主阁下您好,如果允许的话我想询问一下几个问题,由于也一直使用tensorflow架构,有点看不懂pytorch,以下几个问题想咨询: 第一就是(假设数据集是nationa——illness)再将真实数据转化为图像为啥TX和TY的长度是不一样的。 第二预测的数据结构是(16,7,432,20)在这里如何体现预测步数是96,其次可以请求加入预测和真实的可视化plot图么,搞了两天不太对。
No branches or pull requests
博主你好,您设计的这个框架相比于其他人设计的former类模型相比,确实有相当大的改变,实验效果来看不错,但我有以下几个疑问:
1.您设计的框架理论依据是什么?为什么用一维to二维的这种映射能让时序预测更加精准?
2.U-net,Deeplab能不能换成其他图像分割模型(如Segnet)?
The text was updated successfully, but these errors were encountered: