霸榜Nature各大顶刊!突破传统材料局限,新型技术“横空出世”!推动...

Python基础语法、函数、模块和包、面向对象编程机器学习库介绍:Numpy、Pandas、Matpliotlib、Seaborn、Scikit-learn第一天下午监督学习与非监督学习K-近邻、支持向量机、决策树、线性回归、逻辑回归实战一:使用机器学习预测锂离子电池性能:特征工程描述包括电池的充放电循环数据、温度、电流、电压、电池的制造参数、...

重磅!GPT与Python联手,农大研究生连续在顶尖期刊上发表研究成果

7、决策树、随机森林、Adaboost、XGBoost与LightGBM的Python代码实现8、决策树、随机森林、Adaboost、XGBoost与LightGBM的ChatGPT提示词模板讲解9、案例演示:近红外光谱回归拟合建模十一、ChatGPT4助力遗传算法近红外光谱分析1、群优化算法概述2、遗传算法(GeneticAlgorithm)的基本原理(什么是个体和种群?什么是适应...

机器学习在复合材料领域到底能怎么用?【建议收藏】

1.1.2Python编程语言、集成开发环境与Tensorflow深度学习框架1.2声子超材料1.2.1基本理论1.2.2计算方法1.2.3实操案例Ⅰ:采用Matlab编写传递矩阵法计算一维周期超材料能带曲线1.2.4实操案例Ⅱ:采用COMSOL计算二维周期超材料能带曲线1.2.5实操案例Ⅲ:采用COMSOL计算二维周期超材料的频域与时域响应1.3深...

Nature:重磅进展!打破领域瓶颈,解决电池百年难题!

3.采用预训练模型来微调或蒸馏:DPA2/MACE-OFF等实操部分(液态水为案例)1.使用ASE在PYTHON环境下实现主动学习2.使用DPGEN执行主动学习3.使用预训练模型进行微调部分案例图片讲师简介主讲老师来自国内高校胡老师授课。已发表SCI论文近20余篇,研究方向为基于机器学习的分子动力学模拟,包括构建高效、高精度的A...

决策树的复兴?结合神经网络,提升ImageNet分类准确率且可解释

然而,深度神经网络缺乏可解释性也是出了名的,这就带来了一种矛盾。可解释性人工智能(XAI)试图平衡模型准确率与可解释性之间的矛盾,但XAI在说明决策原因时并没有直接解释模型本身。决策树是一种用于分类的经典机器学习方法,它易于理解且可解释性强,能够在中等规模数据上以低难度获得较好的模型。之前很火的微软...

【机器学习+Science】化学与材料领域经典神经网络架构学习分享

经典机器学习模型及应用学习目标:对在材料领域中最常使用的几种机器学习模型进行介绍,总结它们的优缺点及适用范围,通过动手实践快速掌握几种方法线性模型决策树支持向量机集成学习模型选择与性能优化材料数据库及特征工程学习目标:数据库构建是机器学习中的重要步骤,对材料领域常见的数据库进行介绍,学习如何利用...

开学季计划: 2023跟陈强老师学习计量与机器学习

案例:就业培训项目的不完全遵守(imperfectcompliance);越战老兵的长期收入。机器学习及Python应用面向所有行业与学科的人士、老师与学生(包含经管社科、医学卫生等领域)。本课程的最大特色在于“一站式服务”,从机器学习的原理、数学推导,到Python命令与经典案例,无不精心设计、丝丝入扣,理论联系实操,让学员们迅速理解...

“优秀教材建设奖”获奖人员名单及获奖理由 2021年度全国高校人工...

《Python大数据分析与挖掘实战(微课版)》人民邮电出版社(ISBN978-7-115-54240-3)黄恒秋/莫洁安(广西民族师范学院)本科生/专科生本书提供了丰富的数据、案例及程序代码,同时配套丰富的资源,包括微课视频、教学课件、教学大纲、教案、数据和程序代码、练习及参考答案、实训课题及参考解答、相关的课程资源平台。