施行健，香港科技大学四年级博士，师从杨瓞仁教授。现于Amazon AWS Deep Learning组实习，岗位为应用科学家。本科就读于上海交通大学，导师为李武军教授和王士林教授。他的主要研究方向为深度学习，时空序列分析和计算机视觉。他是apache/mxnet的开发成员，同时是DMLC协会会员。视频回放链接：http://www.m
第三点,动态的微调是对提升模型的表现是有效果的。 我们正在尝试把这套算法融入到香港天文台的系统里面。 雷锋网视频回放链接:http://www.mooc.ai/open/course/369
在近期雷锋网举办的GAIR大讲堂线上直播课中,该论文的作者之一施行健给我们详细讲解了论文中的核心思想以及模型的演进过程,AI科技评论为大家整理了此次分享的主要内容。 施行健,香港科技大学四年级博士,师从杨瓞仁教授。现于Amazon AWS Deep Learning组实习,岗位为应用科学家。本科就读于上海交通大学,导师为李武军教授和...
本文为12月21日下午,中国香港科技大学在读博士施行健的分享“深度学习用于短临降雨预报--一个基准和一个新模型”的内容回顾。他简要介绍了短临降雨预报和用于解决此问题的经典方法,随后介绍了由其提出的一个新基准:HKO-7和一个新模型:轨迹GRU (TrajGRU)。 -The End-...
我们发现所有的深度模型都比光流失量效果要好的。TrajGRU模型是表现最好的。 第三点,动态的微调是对提升模型的表现是有效果的。 我们正在尝试把这套算法融入到香港天文台的系统里面。 雷锋网视频回放链接:http://www.mooc.ai/open/course/369 雷峰网原创文章,未经授权禁止转载。详情见转载须知。
它的思想是先通过两个雷达回波图像来估算光流矢量,这个光流矢量可以理解为这些云是往哪个方向运动的。然后去使用这个光流矢量是不会变的,对最后一张雷达图进行外推,得到最后的预测。这种方法在前一两小时预测的准确度更高。中国香港天文台就是基于光流矢量做的短临降预测。
相关技术: 来源:Shi, X 简介 香港科技大学计算机科学与工程系博士,研究兴趣主要为机器学习与深度学习、计算机视觉等。 合作机构 简介 合作机构 相关人物
第二点,我们提了一个新的HKO-7衡量标准。我们发现所有的深度模型都比光流失量效果要好的。TrajGRU模型是表现最好的。 第三点,动态的微调是对提升模型的表现是有效果的。 我们正在尝试把这套算法融入到香港天文台的系统里面。
第二点,我们提了一个新的HKO-7衡量标准。我们发现所有的深度模型都比光流失量效果要好的。TrajGRU模型是表现最好的。 第三点,动态的微调是对提升模型的表现是有效果的。 我们正在尝试把这套算法融入到香港天文台的系统里面。 雷锋网视频回放链接:http://www.mooc.ai/open/course/369...