heifunneisi,AlexYi,github

-

✨ 新项目 - 极客范儿的浏览器主页 💻 Vue 3 + Node.js 全栈项目，自实现 web 终端 + 命令系统

airflow

Apache Airflow - A platform to programmatically author, schedule, and monitor workflows

algorithm-base

一位酷爱做饭的程序员，立志用动画将算法说的通俗易懂。我的面试网站 www.chengxuchu.com

animeganv2

4K Star , 照片转漫画最强项目[Open Source]. The improved version of AnimeGAN. Landscape photos/videos to anime

awesome-cpp-cn

C++ 资源大全中文版，标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。由「开源前哨」和「CPP开发者」微信公号团队维护更新。

awesome-transformer-attention

视觉变换器/注意力的最终综合论文列表，包括论文、代码和相关网站。An ultimately comprehensive paper list of Vision Transformer/Attention, including papers, codes, and related websites

bertopic

BERTopic库 | 使用预训练模型做话题建模Leveraging BERT and c-TF-IDF to create easily interpretable topics.

best_ai_papers_2022

人工智能（2022年）最新突破，并附有清晰的视频解释、更深入文章的链接和代码。A curated list of the latest breakthroughs in AI (in 2022) by release date with a clear video explanation, link to a more in-depth article, and code.

colly

用 Go 语言编写的 Colly 爬虫框架。Elegant Scraper and Crawler Framework for Golang

compileflow

🎨 core business process engine of Alibaba Halo platform, best process engine for trade scenes. | 一个高性能流程编排引擎

dive-into-dl-pytorch

本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。

django-activiti

A Python/Django library to connect to Activiti (https://www.activiti.org/)

dl-nlp-readings

NLP阅读列表-自然语言处理常见数据集、论文最全整理分享-My Reading Lists of Deep Learning and Natural Language Processing

introduction-to-golang

【未来服务器端编程语言】最全空降golang资料补给包（满血战斗），包含文章，书籍，作者论文，理论分析，开源框架，云原生，大佬视频，大厂实战分享ppt

KDD Cup 2022 spatial dynamic wind power forecast challenge solution.华为诺亚。取当前风机下同时刻Pab1/2/3最大值Pab_max作为特征。Patv<0当作0，Prtv在MDLinear时用Prtv绝对值，而XTGN内会根据Patv的正负来处理Prtv的值。选手先用MDLinear建模：需要注意，DLinear有两种，一种是中间两个参数时所有特征共享，一种是每个特征分别学习对应的权重，选手用的是前者，即DLinear-S。另外选手增加了一个线性层在后面以加深对信息探索，这构成了模型MDLinear。此外，选手还将原始TurbID分为cluster和ID，重新编号作为特征喂入模型，而且还做了聚类平均值特征。

kddcup2022

阿里巴巴。选手使用了如图25的GRU和GBDT的模型集成方案。在风机聚类上，尝试基于空间位置和时序统计相关性两种基准进行聚类，最终实验表现用空间信息聚类更好，而且GRU用24类，GBDT用4类。训练时，针对每组风机，分别训练GRU和GBDT模型。对于GRU，先预训练模型（输入长度=72，输出长度=288），再微调fine-tune短期预测（输入长度=36，输出长度=36）。最后，为了减缓线下和线上分布不一致问题，后处理对每个预测值乘上调整常量a，若历史真实值均值高于预测值均值，则a>1，否则小于1。在第3阶段测试集上，a=1.1能提升0.237个点，还是十分显著有效的提升。

heifunneisi Goto Github PK

AlexYi's Projects

Recommend Projects

Recommend Topics

Recommend Org