modeling 第18页

工程实践用例建模Use Case Modeling

用例建模就是通过对软件需求的调研，从具体的功能性需求中抽象出用例模型的工作过程。参与者和用例由对功能性需求的分析来确定，用例图是参与者和用例的可视化表示。用例图中的四种关系：1.关联：建立参与者与用例通信的渠道，当然关联可以是双向的，可以是单向的。箭头的方向表示消息的传递方向。2.依赖：一个用例受到另一个用例的影响。3.包含：基USECASE图本用例的行为包含了另一个用例的行为4.扩展：扩展用例是

YLLLLLY·2019-10-30 21:00

用例建模Use Case Modeling

我的工程实践题目是基于VSLAM算法的室内地图三维重建系统设计，使用ORBSLAM/MononSLAM等视觉SLAM算法，实现单目视觉里程计、地图构建和拼接，完成周边环境的3D点云地图实时重建。下面是以我的工程实践为例，对业务进行建模的用例图。>表示子用例是父用例的一部分，通常强调离开这个特性，父用例无法达成目标或失去意义！>表示子用例是父用例的可选场景或技术特征。>箭头指向子用例；>箭头指向父用

ahlike·2019-10-30 15:00

用例建模Use Case Modeling

我的工程实践是印章检测，通过生成含有印章的文本图像，使用适合的目标检测算法训练模型，再利用训练好的模型检测出印章的位置以及类别。Include为用例之间包含关系，extend为用例之间扩展关系。1.Abstractusecase首先针对项目进行分析，得到的抽象用例有：生成数据集、检测目标和显示结果。生成数据集：生成数据集是整个项目的基础，需要在数据集上对模型进行训练。检测目标：在训练好的模型上，对

yll333·2019-10-30 11:00

用例建模Use Case Modeling

我的工程实践项目是完成一个面向特定主题的搜索引擎，小组最后决定做电子产品的搜索，项目的需求很简单，就是能够对电子产品信息进行深度和专业化的搜索1.抽取Abstractusecase根据搜索引擎的工作流程，我将其分为三部分：获取数据，索引库管理和搜索2.确定用例范围Highlevelusecase获取数据用例包括爬取网页和对爬来的数据进行预处理（过滤无关和重复网页，解析文档，分词）索引库管理部分，需

liushu-ang·2019-10-30 00:00

用例建模Use Case Modeling

我的工程实践课题为“传感器智能分析引擎”，通过爬取现有传感器供应商的数据或采用现场调研的方式，运用数据挖掘方法对这些数据进行分析，为开发新型物联网设备提供参考与依据。1、抽取Abstractusecase基于信息的管理和访问两个角度，可划分为网站管理人员Developer和客户Customer2、用例图3、HighLevelusecase对于Developer，可以将功能模块主要划分为如下：（1）

lggang·2019-10-29 21:00

用例建模Use Case Modeling

我的工程实践的题目是基于OpenGLES2.0的车载虚拟表盘软件的开发，是一个纯开发的项目，这个软件主要是面向房车的用户，因为这款软件的功能包括控制车载系统的灯光，有睡眠，夜晚，日常等模式，还有显示电压和水压，包括车内外温度等信息最后在界面上面显示出来。对于此次工程实践我选择用例建模：用例建模的定义：用例方法完全是站在用户的角度上（从系统的外部）来描述系统的功能的。在用例方法中，我们把被定义系统看

金栗·2019-10-29 17:00

用例建模Use Case Modeling

我的工程实践题目是基于情感词典的文本情感分析，下面是以我的工程实践为例，对业务进行建模的用例图。由参与者（Actor）、用例（UseCase），边界以及它们之间的关系构成的用于描述系统功能的视图。Include为用例之间包含关系，extend为用例之间扩展关系。我的工程实践主要是以购物评论作为数据集进行分析。对购物评论进行情感分类，就是按照评论文本所表达的情感倾向进行分析、处理、归纳和推理，判别评

鸿鸣武·2019-10-29 10:00

工程实践用例建模Use Case Modeling

我的工程实践的目的是在硬件上部署风格迁移算法，并通过用户图形界面进行展示，下图展示了项目部分用例建模，其中用户直接用实线连接的是抽象用例，每个抽象用例include一些高级用例，每个用例又有可能包含一些extends扩展用例。通过抽取Abstractusecase，得到的抽象用例为：登录，注册，风格迁移，用户信息管理，会员服务。画出用例图后，根据每个抽象用例的用例范围，得到每个抽象用例的高级用例，

Jonahmoon·2019-10-28 15:00

《GraphRel: Modeling Text as Relational Graphs for Joint Entity and Relation Extraction》阅读记录

《GraphRel:ModelingTextasRelationalGraphsforJointEntityandRelationExtraction》阅读记录Abstract本文提出了一种端到端的关系抽取模型GraphRel，它使用GCN来共同学习命名实体和关系。与之前的基线相比，我们通过关系加权GCN来考虑命名实体和关系之间的交互，以更好地提取关系。线性结构和依赖结构都用于提取文本的序列和区域

Sanshierli_·2019-10-24 10:54

利用Auto ARIMA构建高性能时间序列模型（附Python和R代码）

AISHWARYASINGH；翻译：陈之炎；校对：丁楠雅原文链接：https://www.analyticsvidhya.com/blog/2018/08/auto-arima-time-series-modeling-python-r

feiquan·2019-10-16 15:00

机器学习建模老司机的几点思考与总结

话不多说，一个机器学习模型的开发周期一般可以分为：1、业务需求挖掘（Businessinsight）2、数据搜集处理（DataCuration）3、模型训练开发（Modeling）4、部署及测试上线（Deployment

samlam·2019-10-12 22:00

论文精读-Translating Embeddings for Modeling Multi-relational Data

NIPS/NeurIPS2013/12文章简介:本文提出了一种易于训练参数较少的模型TransE，其在链路预测(linkprediction)中获得了不错的表现。一周论文|基于翻译模型(Trans系列)的知识表示学习【知识图谱】——8种Trans模型上述文章总结的很好也有代码链接。目录:1.Introduction2.Translation-basedmodel3.Relatedwork4.Exp

tianchen627·2019-10-12 20:59

阅读笔记：《Understanding and Modeling of WiFi Signal Based Human Activity Recognition》

论文下载：UnderstandingandModelingofWiFiSignalBasedHumanActivityRecognitionAbstract提出CARM，基于CSI地人体行为识别监控系统。理论基础：CSI速度模型（CSI-speedmodel），量化CSI值动态与人体运动速度的联系；CSI活动模型（CSI-activitymodel），量化肢体运动速度与特定动作之间的联系。1Int

蛋形矮胖子_eecb·2019-10-08 20:55

Data-driven modeling of clinical pathways using electronic health records论文解读

Data-drivenmodelingofclinicalpathwaysusingelectronichealthrecords根据临床路径来聚类对临床路径的分类来探索路径不同的原因临床路径预测模型病人治疗应该是有个性化差异的相似病情特征的病人分到同一组，而不是像医生那样，只是看诊断。假设有一种临床路径可以将病人分开，相当于一种病人有一K-种适应的临床路径。风险预测，医嘱预测，状态预测，用药预测

HxShine·2019-08-07 17:11

计算机图形学OpenGL

Modeling(建模)：构造场景的三维模型。Rendering(渲染)：将三维场景绘制在屏幕上。

Wlain·2019-07-30 19:05

Bert系列（二）——源码解读之模型主体

原文链接：http://www.cnblogs.com/jfdwd/p/11268933.html本篇文章主要是解读模型主体代码modeling.py。

weixin_30355437·2019-07-30 11:00

用Bert模型计算句子的vector

开源出来的NLP的模型，具体实现请参考：https://github.com/google-research/bert2.Bert模型计算句子的vector2.1通过模型获取句子的encoder层model=modeling.BertModel

raintungli·2019-07-21 17:24

什么是泛型编程

1.C++两种抽象方法（1）面向对象编程封装（Encapsulation）继承（Inheritance）多态（Polymorphism）（2）泛型编程概念（concepts）模型化（modeling）强化

我才是心翼·2019-07-14 21:45

A fuzzy physiological approach for continuously modeling emotion during interaction with play game

Introduction传统的针对productivityenvironments(task表现)的度量手段不能很好的适应目前的affectiveenvironments，因为我们现在考虑的不是performance，而是通过现在的游戏环境，能够带给我们什么样的情绪。Affectiveevaluationofentertainmenttechnologies传统的评估情绪的方法是通过问卷调查，访谈

JasonSparrow_1·2019-07-02 17:01

ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation简析

ATRank:AnAttention-BasedUserBehaviorModelingFrameworkforRecommendationIntroduction正如一个单词可以通过其上下文来表示，那么一个用户也可以通过其过往的行为序列来表示。但随着技术的发展，越来越多样化的用户行为可以被捕捉并保存在数据库中，使得用户行为表现出异构性，高度多样性。以电商领域的推荐为例、一个用户可能浏览、购买、收

loserChen.·2019-07-01 11:57

Character-Level Language Modeling with Deeper Self-Attention

链接论文链接：https://arxiv.org/pdf/1808.04444v2.pdf项目链接：https://github.com/nadavbh12/Character一、前言论文中展示了一个具有固定上下文长度的比较深的transformer模型(64-layer),该模型大大优于各种RNN模型的变体，并且在两个流行的基准测试中达到了最优水平。在实验中发现在中间网络层和中间序列位置中添加辅

大白菜—NLP·2019-06-26 15:22

Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction简析

PracticeonLongSequentialUserBehaviorModelingforClick-ThroughRatePredictionIntroduction文章将用户表现建模分解为两个视角。从服务系统的角度，作者设计了一个用户兴趣中心模块（UIC），UIC维护用户最新的兴趣表示向量。从机器学习算法的角度，作者提出了MIMN（多信道的用户兴趣内存网络），借鉴于NTM。UIC因为存储及

loserChen.·2019-06-24 21:27

CTC算法详记（Sequence Modeling With CTC）

关于CTC的一点个人理解：CTC在训练时其实不关心对齐，这一点从ctc_loss的表达式可看出，CTC在训练时将可能映射（去重、去空）出的标签的所有路径的概率之和最大化，那么在解码时根据给定输入搜索概率最大的路径时就更可能搜索出能映射到正确结果的路径。且前缀集束搜索考虑了“多对一”的情况，进一步增加了解码出正确结果的可能性。综上CTC其实并不是学习了一种对齐，对齐可以理解为一种过程，而CTC在乎的

madeirak·2019-06-23 12:56

R语言中对文本数据进行主题模型topic modeling分析

原文链接：http://tecdat.cn/?p=4333主题建模在文本挖掘中，我们经常收集一些文档集合，例如博客文章或新闻文章，我们希望将其分成自然组，以便我们可以分别理解它们。主题建模是对这些文档进行无监督分类的一种方法，类似于对数字数据进行聚类，即使我们不确定要查找什么，也可以找到自然的项目组。潜在狄利克雷分配（LDA）是拟合主题模型特别流行的方法。它将每个文档视为主题的混合体，并将每个主题

qq_19600291·2019-06-20 15:20

阅读理解之（bidaf）双向注意力流网络

Model（模型）模拟过程CharacterEmbedding(字符嵌入)WordEmbedding(词嵌入)ContextualEmbedding(上下文嵌入)AttentionFlow(注意流层)Modeling

财神Childe·2019-06-12 10:38

数据建模(Data Modeling)是什么？

声明：译自博客《WhatisDataModelling?Conceptual,Logical,&PhysicalDataModels》什么是数据建模？数据建模(Datamodeling)是为要存储在数据库中的数据创建数据模型的过程。数据建模在概念上包括以下3个部分：数据对象(Dataobjects)不同数据对象之间的关联(Theassociationsbetweendifferentdataobj

hustqb·2019-05-23 21:05

RPY角及与旋转矩阵的变换关系：在matab与ROS的TF变换库中各自的用法及内在联系

根据机器人学建模、规划与控制Robotics：Modeling，PlanningandControl以及ROSTF库中Quaternion头文件的setRPY的声明经过验证可知：同一套理论在不同的库中实现方式不一样

dbdxnuliba·2019-05-23 13:38

Joint Pose and Expression Modeling for Facial Expression Recognition

ZhangF,ZhangT,MaoQ,etal.Jointposeandexpressionmodelingforfacialexpressionrecognition[C]//ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.2018:3359-3368.本文提出了一种端到端的深度学习模型，通过联合利用不同的姿

丽宝儿·2019-05-22 22:26

How to navigate the challenges of the data modeling process

Datamodelingandcurationcanhelpbusinessesmoreefficientlyusedatathey'vecollected.Therearechallenges,however--beginningwithensuringdataquality.GeorgeLawtonEnterprisesareadoptingdatamodelingandcurationpra

艾沙可牛·2019-05-22 09:38

bert源码详解

源码详解共四部分:1.生成预训练数据：create_pretraining_data.py，tokenization.py’2.bert模型预训练：run_pretraining.py3.bert主模型：modeling.py4

hhhhhhhmg·2019-04-23 21:50

数据挖掘（一）主题模型（Topic Modeling）

数据挖掘（一）主题模型（TopicModeling）1.主题建模的目的从文档集合中自动地找出一系列的主题（topics），每个文档集内可能有多个主题；主题：由众多词汇的概率分布（distribution）组成；常用模型：LDA,pLSA，pLSI等，是一种无监督的学习过程；Input：Anunorganizedcollectionofdocuments;Output:Anorganizedcoll

夜里惊羽·2019-04-23 11:36

LS-DYNA中的接触问题（一）（工作原理，接触类型，单向接触）

本文翻译自官方文档，原文链接：https://www.dynasupport.com/tutorial/ls-dyna-users-guide/contact-modeling-in-ls-dyna接触问题的处理是许多大变形问题中的基本环节

CUI10200·2019-04-21 10:45

Blender篇：快捷键整合

（事实上官方的Manual手册上有所有操作的快捷键与菜单选择导航，地址：https://docs.blender.org/manual/zh-hans/2.79/modeling/index.html）

烟雨迷离半世殇·2019-04-20 11:17

《Modeling Multi-turn Conversation with Deep Utterance Aggregation》阅读笔记

论文原文：https://arxiv.org/pdf/1806.09102.pdf刚看到小夕的这篇总结个人感觉讲的很好很容易理解，里面涉及了4篇论文串烧，按照时间讲了算法的发展，文风也蛮有趣（有点嗲，哈哈~）上海交通大学等2018年发表的文章，主要涉及基于检索式的多伦问答模型，提出了一个深度对话整合模型（DUA），是针对多轮对话将过去会话直接拼接作为上下文信息存在噪声和冗余等问题，DUA从对话和回

happy汪·2019-04-17 16:44

LS-DYNA中的接触问题（五）（接触参数）

本文翻译自官方文档，原文链接：https://www.dynasupport.com/tutorial/ls-dyna-users-guide/contact-modeling-in-ls-dyna5.

CUI10200·2019-04-16 17:10

Semi-Supervised Sequence Modeling with Cross-View Training

参考链接论文链接：https://arxiv.org/abs/1809.08370代码链接：https://github.com/tensorflow/models/tree/master/research/cvt_text一、概述：注意：下面所说的“表示”可以简单理解为embeding(词向量)无监督表示(representationlearning)学习算法（如word2vec和ELMo）可以

大白菜—NLP·2019-04-02 19:06

论文阅读与实践笔记（一）：Document Modeling with External Attention for Sentence Extraction

最近学习了一篇关于句子抽取的论文——DocumentModelingwithExternalAttentionforSentenceExtraction[1]，论文没有用太多复杂的模型，很适合我这种初学者阅读和实现，在此记录下有用的知识。1.任务描述1）文字描述本文针对的任务是NLP信息抽取任务下的一个子任务，句子抽取（SentenceExtraction）。那么何为句子抽取呢？我们在做问答系

双听·2019-03-29 23:29

maskrcnn_benchmark理解记录——modeling\backbone\backbone.py

因为是resnet50+FPN。这里的backbone.py主要是先通过resnet.py配合config，我的是生成resnet50的网络，并且由于"R-50-FPN":ResNet50FPNStagesTo5，又要配合FPN，所以可以看到配置是在index是1~4层，也就是conv2~conv5都作为特征提取层的。如果不配合FPN，只是标准的残差，只要conv5是特征提取层。#ResNet-5

业精于勤荒于嬉-行成于思而毁于随·2019-03-20 14:18

maskrcnn_benchmark理解记录——modeling\roi_heads\box_head\roi_box_feature_extractors.py

摘取config记录如下MODEL:META_ARCHITECTURE:"GeneralizedRCNN"WEIGHT:"catalog://ImageNetPretrained/MSRA/R-50"BACKBONE:CONV_BODY:"R-50-FPN"RESNETS:BACKBONE_OUT_CHANNELS:256ROI_HEADS:USE_FPN:TrueROI_BOX_HEAD:POO

业精于勤荒于嬉-行成于思而毁于随·2019-03-18 15:47

三维制图讲义02 - 三维制作流程

image我们在这个学期从零基础学起，主要涉及到的是Modeling建模和Texturing材质贴图部分，也会简单应用一些Lighting灯光和Rendering渲染的知识。在

Kidult·2019-03-14 19:09

Bert代码详解（二）

这个看懂了，tf也能看懂），地址：https://github.com/huggingface/pytorch-pretrained-BERT主要内容在pytorch_pretrained_bert/modeling

c-minus·2019-03-12 12:08

Bert代码详解（一）

这个看懂了，tf也能看懂），地址：https://github.com/huggingface/pytorch-pretrained-BERT主要内容在pytorch_pretrained_bert/modeling

c-minus·2019-03-12 12:09

maya晶格变形器怎么调整模型点多的模型?

AutodeskMaya2019中/英文特别版(附注册机+序列号+安装教程)64位软件大小：1.82GB更新时间：2019-01-161、打开Maya软件2、新建一个四方体，调整分段，分段稍微高些3、将工作面板切换为modeling4

创意星001·2019-02-18 16:53

Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling读后感

论文地址此文仅仅记录一下自己的学习过程循环神经网络历史背景循环神经网络是一个序列模型，它与传统CNN最大的不同在于它具有记忆性，它可以记录以前的状态，根据以前的状态和当下的输入生成一个新的状态。它同时也是一个概率生成模型，印象中我感觉它跟HMM有很多相同点，不过HMM能训练的参数比较少，这也许就是HMM比较弱的原因。继续回到循环神经网络，它在训练的时候有一个很大的问题，就是梯度消失和梯度爆炸，人们

tiny_Sean·2018-11-03 00:31

Entity Framework Core 2.1，添加种子数据

这部分的官方文档地址是：https://docs.microsoft.com/en-us/ef/core/modeling/data-seeding我们在开发时总是需要添加一些种子数据的，所以这个功能还是比较有用的

solenovex·2018-10-29 07:00

论文笔记：Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling

感想最近深度学习面试的时候，有个面试官问了我LSTM，我一下子傻眼了，确实不怎么好懂，学LSTM已经有半年的时间了，但是对这个玩意儿却还不怎么明白，可能是没用过它的缘故吧，我找了一篇它和GRU比较的论文，这篇论文没有从理论上证明哪个模型的好坏，只是从实验，应用场景的角度发现GRU在一些场景比LSTM强，GRU是2014年提出的模型，可以说是一种LSTM的变体，使得计算和更新效率提高了，并且还取得了

看穿数据之美·2018-10-28 19:30

【ECCV2018】Modeling Varying Camera-IMU Time Offset in Optimization-Based Visual-Inertial Odometry

Amazingren·2018-10-10 10:19

#论文笔记# ——《Multiway Attention Networks for Modeling Sentence Pairs》

《MultiwayAttentionNetworksforModelingSentencePairs》ChuanqiTany,FuruWei,WenhuiWang,WeifengLv,MingZhouIJCAI2018句子建模是自然语言处理中一个十分重要的任务，对句子建模后可以用以判断两个句子的关系，在文本蕴含识别、句子相似度计算、自动问答系统等任务中都经常用到。该文[^[[1^11]^]]是发表

科特001·2018-09-25 14:22

Cassandra海量时序数据表结构设计

（原文链接：http://thelastpickle.com/blog/2017/08/02/time-series-data-modeling-massive-scale.html）理解数据写入

九仞·2018-08-31 15:57

如何处理类别变量

https://www.analyticsvidhya.com/blog/2015/11/easy-methods-deal-categorical-variables-predictive-modeling

Walter_Silva·2018-07-17 15:18

推荐频道

modeling

工程实践用例建模Use Case Modeling

用例建模Use Case Modeling

用例建模Use Case Modeling

用例建模Use Case Modeling

用例建模Use Case Modeling

用例建模Use Case Modeling

用例建模Use Case Modeling

工程实践用例建模Use Case Modeling

《GraphRel: Modeling Text as Relational Graphs for Joint Entity and Relation Extraction》阅读记录

利用Auto ARIMA构建高性能时间序列模型（附Python和R代码）

机器学习建模老司机的几点思考与总结

论文精读-Translating Embeddings for Modeling Multi-relational Data

阅读笔记：《Understanding and Modeling of WiFi Signal Based Human Activity Recognition》

Data-driven modeling of clinical pathways using electronic health records论文解读

计算机图形学OpenGL

Bert系列（二）——源码解读之模型主体

用Bert模型计算句子的vector

什么是泛型编程

A fuzzy physiological approach for continuously modeling emotion during interaction with play game

ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation简析

Character-Level Language Modeling with Deeper Self-Attention

Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction简析

CTC算法详记（Sequence Modeling With CTC）

R语言中对文本数据进行主题模型topic modeling分析

阅读理解之（bidaf）双向注意力流网络

数据建模(Data Modeling)是什么？

RPY角及与旋转矩阵的变换关系：在matab与ROS的TF变换库中各自的用法及内在联系

Joint Pose and Expression Modeling for Facial Expression Recognition

How to navigate the challenges of the data modeling process

bert源码详解

数据挖掘（一）主题模型（Topic Modeling）

LS-DYNA中的接触问题（一）（工作原理，接触类型，单向接触）

Blender篇：快捷键整合

《Modeling Multi-turn Conversation with Deep Utterance Aggregation》阅读笔记

LS-DYNA中的接触问题（五）（接触参数）

Semi-Supervised Sequence Modeling with Cross-View Training

论文阅读与实践笔记（一）：Document Modeling with External Attention for Sentence Extraction

maskrcnn_benchmark理解记录——modeling\backbone\backbone.py

maskrcnn_benchmark理解记录——modeling\roi_heads\box_head\roi_box_feature_extractors.py

三维制图讲义02 - 三维制作流程

Bert代码详解（二）

Bert代码详解（一）

maya晶格变形器怎么调整模型点多的模型?

Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling读后感

Entity Framework Core 2.1，添加种子数据

论文笔记：Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling

【ECCV2018】Modeling Varying Camera-IMU Time Offset in Optimization-Based Visual-Inertial Odometry

#论文笔记# ——《Multiway Attention Networks for Modeling Sentence Pairs》

Cassandra海量时序数据表结构设计

如何处理类别变量