中国继续教育网_助力学生自学考试学历提升

欢迎访问中国继续教育网!中国继续教育网:学历提升,文凭提升,自学考试,成人高考,出国留学等相关知识科普和分享!

体育竞技归纳(我的统计数据体育竞技归纳)

2023-05-26分类:高中作文 阅读:18

github:zzy99/competition-solutionsFeedback Prize - English Language Learning2022.8-2022.11战绩:铜牌(28)门牌号:

Feedback Prize - English Language Learning类别:文档+重回各项任务:The goal of this competition is to assess the language proficiency of 8th-12th grade English Language Learners (ELLs).

评估结果分项:MCRMSE, mean columnwise root mean squared error计划:deberta惟一的神许多管用的基本功:去dropout,fgm,layer wise learning rate decay,采用前三届的top的数学模型替代mlm

25组数学模型结合,linear regression确认结合权重股和奥运金牌差了伪条码,可是了DFL - Bundesliga Data Shootout2022.7-2022.10战绩:奥运金牌(8)门牌号:DFL - Bundesliga Data Shootout

类别:音频姿势功能定位各项任务:In this competition, youll detect football (soccer) passes—including throw-ins and crosses—and challenges in original Bundesliga matches. Youll develop a computer vision model that can automatically classify these events in long video recordings.

评估结果分项:DFL Event Detection AP计划:2.5D数学模型,以内各4帧,位图图(不晓得为何位图图整体表现远强于RGB)间距逻辑推理,能增加天数,并有效率借助4折数学模型的优势互补NMS-1d预处理第二届“石门春兰杯”国际性音音频演算法邀请赛——正式宣布赛——无参照音频解像度电脑赞扬

2022.6-2022.8战绩:第10门牌号:土豆TV - 演算法邀请赛类别:音频+分类各项任务:参赛球手须要以邀请赛组织机构方提供更多的统计数据集为依据,展开无参照音频解像度电脑赞扬(NR-VQA)的演算法结构设计或数学模型体能训练评估结果分项:他们以SROCC和PLCC的平均数值Score做为来衡量分项。

邀请赛组织机构方引导球手计划兼具排序工作效率的强化,按逻辑推理预估速率做如下表所示enrolled破格计划:那个赛事速率破格太少了,因而强化逻辑推理速率是主要就的路径这些譬如的VQA数学模型无简而言之卵用(有位fast-vqa,简而言之的sota,赛事统计数据上比resnet18低了六个点) 。

U.S. Patent Phrase to Phrase Matching2022.3-2022.6战绩:奥运金牌(2)门牌号:U.S. Patent Phrase to Phrase Matching类别:文档+重回

各项任务:In this competition, you will train your models on a novel semantic similarity dataset to extract relevant information by matching key phrases in patent documents. Determining the semantic similarity between phrases is critically important during the patent search and examination process to determine if an invention has been described before.

评估结果分项:Pearson correlation coefficient计划:https://www.kaggle.com/competitions/us-patent-phrase-to-phrase-matching/discussion/332234

第二届“石门春兰杯”国际性音音频演算法邀请赛——邀请赛——语音情感识别2022.4-2022.6战绩:第四门牌号:土豆TV - 演算法邀请赛类别:语音+分类各项任务:参赛球手需以邀请赛组织机构方提供更多的语音统计数据,展开数学模型体能训练,对语音中包含的情感展开识别。

评估结果分项:准确率计划:三个分支对频谱、特征、文档展开建模,通过注意力机制展开结合,最后得到分类频谱图:tf_efficientnetv2_m特征:单层mlp文档:hfl/chinese_bert_wwm_ext

spec_augment, mixup提升很大NBME - Score Clinical Patient Notes2022.2-2022.5战绩:奥运金牌(7)门牌号:NBME - Score Clinical Patient Notes

类别:NER/QA各项任务:In this competition, you’ll identify specific clinical concepts in patient notes. Specifically, youll develop an automated method to map clinical concepts from an exam rubric (e.g., “diminished appetite”) to various ways in which these concepts are expressed in clinical patient notes written by medical students (e.g., “eating less,” “clothes fit looser”). Great solutions will be both accurate and reliable.

评估结果分项:micro F1计划:https://www.kaggle.com/competitions/nbme-score-clinical-patient-notes/discussion/322829

Google Brain - Ventilator Pressure Prediction2021.9-2021.11战绩:奥运金牌(6)门牌号:Google Brain - Ventilator Pressure Prediction

类别:天数序列各项任务:In this competition, you’ll simulate a ventilator connected to a sedated patients lung. The best submissions will take lung attributes compliance and resistance into account.

评估结果分项:MAE计划:6th-place solution: Single Multi-task LSTMchaii - Hindi and Tamil Question Answering2021.8-2021.11

战绩:奥运金牌(4)门牌号:chaii - Hindi and Tamil Question Answering类别:文档+问答各项任务:In this competition, your goal is to predict answers to real questions about Wikipedia articles. You will use chaii-1, a new question answering dataset with question-answer pairs. The dataset covers Hindi and Tamil, collected without the use of translation.

评估结果分项:Jaccard score计划:4th Place Solution第二届“石门春兰杯”国际性音音频演算法邀请赛——正式宣布赛——音乐节拍检测2021.6-2021.7战绩:第五门牌号:土豆TV - 演算法邀请赛

类别:音频+分类各项任务:本赛题要求球手以邀请赛官方指定的音乐片段集和相对应的节拍(beat)、重拍(downbeat)天数点标注统计数据集为研究基础,结构设计一个节拍(beat)、重拍(downbeat)起始天数点检测识别演算法计划。

计划可以采用深度学习或传统音频演算法等排序过程无人工干预的方法,采用深度学习等依赖统计数据集体能训练的方法只能采用邀请赛官方指定的统计数据集做体能训练,且不允许采用预体能训练数学模型评估结果分项:Score=(F−measure+PScore+CEMacc​+CMLt​+CMLc​+AMLt​+AMLc​)/7.0

计划:通过madmom库将音频转换为对数梅尔频谱图,多分辨率拼接数学模型采用6层双向GRU+4层MLP损失函数为BCEWithLogitsLoss(pos_weight=[2,8]),强行关注正样本五折交叉验证(由于不同音乐体裁差异较大,划分时以音乐体裁为分层采样)

mixup(频谱图类似于图像,可以用mixup增强,提升巨大)体能训练集为1000条GTZAN统计数据,包含blues等10种音乐体裁;100条土豆统计数据,包含各种现代音乐体裁两者差异较大而测试集为土豆统计数据,因而重点应放在土豆那个domain上。

先对1000条GTZAN统计数据+100条土豆统计数据展开预体能训练,再对100条土豆统计数据单独展开微调采用DBNBeatTrackingProcessor展开预处理,min_bpm和max_bpm影响很大对于土豆统计数据中的beat和downbeat分别统计bpm,然后设为参数值。

BirdCLEF 2021 - Birdcall Identification2021.4-2021.6战绩:铜牌(48)门牌号:BirdCLEF 2021 - Birdcall Identification

类别:音频+分类各项任务:In this competition, you’ll automate the acoustic identification of birds in soundscape recordings. Youll examine an acoustic dataset to build detectors and classifiers to extract the signals of interest (bird calls). Innovative solutions will be able to do so efficiently and reliably.

评估结果分项:row-wise micro averaged F1 score计划:还是吃了过拟合的亏,错过了一个0.66(十几名)的提交逻辑推理代码:https://www.kaggle.com/zzy990106/pr。

ivate-0-66采用7S的随机块展开分类的体能训练统计数据增强是关键,是lb0.6到0.7的主要就来源,他们的增强有:mixup,random_power,background,white/pink/bandpass noise

在train_soundscape上验证,75以前与LB完全同步,到达一定高分后有可能过拟合预处理:滑动窗口,阈值搜索第二届“石门春兰杯”国际性音音频演算法邀请赛——邀请赛——动漫音频片头片尾点位2021.4-2021.5

战绩:A榜第二,B榜第四门牌号:土豆TV - 演算法邀请赛类别:音频+分类/重回各项任务:以邀请赛组织机构方提供更多的音频片段统计数据为依据,提出行之有效率且准确的动漫音频点位识别检测计划参赛球手须要对提供更多的音频预估出其片头结束的点位和片尾开始的点位。

评估结果分项:

m = 1.000 为可忽略误差计划:片头音频都是200s,片尾音频都是180s,分开做借助ffmpeg提取音频的图像和音频对音频,转换为频谱图后,采用CNN做图像重回,条码为点位除以总长度([0,1]区间)。

A榜3.3,B榜4.3对图像,首先按25FPS抽帧,然后每1s(25帧)的图像经过R(2+1)D数学模型提取特征,backbone是resnet18,特征维数为512这样每个音频得到一个尺寸为(时长,特征数)也就是(180/200,512)的特征向量,可视作一个时序特征。

经过GRU后,得到每个位置(秒级)上是片头/片尾的概率,做一个分类各项任务A榜3.7,B榜4.2结合时,首先将图像的分类结果转为数值(argmax),然后简单地和音频的重回结果取平均2021搜狐校园文档匹配演算法邀请赛

2021.3-2021.5战绩:决赛第三门牌号:2021 Sohu Campus Document Matching AIgorithm Competition类别:文档+分类各项任务:本次赛事的统计数据均来自人工标注,统计数据均为文字片段,每两个片段为一组,参赛球手须要为每对文档在两个颗粒度上判断文档对中的两段文字是否匹配。

其中,一个颗粒度较为宽泛,两段文字属于一个话题即可视为匹配;另一个颗粒度较为严格,两段文字必须是同一事件才视为匹配评估结果分项:本次评测各项任务采用macro F1方法,即对A、B两个文件的label分别排序F1值然后求平均,为最终得分。

计划:其实那个赛事没那么多譬如的,结合就完事了有些人吹的天花乱坠的基本功,还比不上换个种子,或者阈值调小个0.01总体思路:以统一性为主要就原则短文档展开填充,长文档展开截断(长文档的信息主要就集中在首部),这样统一了短短、短长、长长各项任务;让labelA和labelB的统计数据共享同一个数学模型参数,混合展开多各项任务体能训练,彼此协同提升性能。

交叉验证数学模型结合:多折结合,多阶段结合,多权重股结合对抗体能训练知识蒸馏:将多个教师数学模型结合的软条码,提供更多给学生数学模型学习,得到一个性能接近多个教师数学模型的结合,但参数量大大增加的学生数学模型最后用20+数学模型蒸馏出两个base、一个large。

阈值预处理:由于F1是一个不合理的分项,依赖于0和1的比例,须要将输出的[0,1]区间的概率,按一定阈值划分为0类、1类;对于正负样本比例非常低的B类条码,阈值应该更低(~0.37)RANZCR CLiP - Catheter and Line Position Challenge

2020.12-2021.3战绩:铜牌(55)门牌号:RANZCR CLiP - Catheter and Line Position Challenge类别:图像+分类各项任务:In this competition, you’ll detect the presence and position of catheters and lines on chest x-rays. Use machine learning to train and test your model on 40,000 images to categorize a tube that is poorly placed.

评估结果分项:AUC计划:无简而言之特别的,就是图像分类,没用到分割的注释,比较好用的数学模型有nfnet_f0、resnet200d、seresnet152d、efficientnet_b5_ns前排的秘诀:采用NIH ChestX等外部统计数据,采用分割注释。

Cassava Leaf Disease Classification2020.11-2021.1战绩:铜牌(299)门牌号:Cassava Leaf Disease Classification类别:图像+分类

各项任务:Your task is to classify each cassava image into four disease categories or a fifth category indicating a healthy leaf. With your help, farmers may be able to quickly identify diseased plants, potentially saving their crops before they inflict irreparable damage.

评估结果分项:准确率计划:无简而言之特别的,就是图像分类全都在卷调参,拉不开差距,以后也不会参加这种赛事了比较好用的数学模型有vit_base_patch16_384、efficientnet_b4_ns、resnext50_32x4d。

前排的秘诀:采用那个公开的数学模型(它其实是在测试集上体能训练过的)https://tfhub.dev/google/cropnet/classifier/cassava_disease_V1/2华为云“云上先锋”· AI学习赛

2020.11-2021.1战绩:第四名门牌号:华为云邀请赛平台类别:图像+分类各项任务:本次赛事为AI主题赛中的学习赛球手可以采用图像分类演算法对常见的生活垃圾图片展开分类评估结果分项: 准确率计划:无简而言之特别的,就是图像分类。

限定单模,所以用了全部统计数据体能训练,当时没用蒸馏可是了Lyft Motion Prediction for Autonomous Vehicles 2020.8-2020.11战绩:铜牌(17)门牌号:Lyft Motion Prediction for Autonomous Vehicles

类别:图像+重回各项任务:In this competition, you’ll apply your data science skills to build motion prediction models for self-driving vehicles. Youll have access to the largest Prediction Dataset ever released to train and test your models. Your knowledge of machine learning will then be required to predict how cars, cyclists,and pedestrians move in the AVs environment.

评估结果分项:

计划:给定汽车前面99帧的图,预估后50帧的轨迹(位置)乍一看可以用seq2seq,但这里最有效率也是最广为采用的计划是将前面的图在通道上按时序拼在一起,然后做一个图像重回由于涉及到光栅化,体能训练瓶颈在于CPU,而且图像也太少了,体能训练都要好几天。

按baseline一直训就能有20-的分数了SIIM-ISIC Melanoma Classification2020.5-2020.8战绩:铜牌(119)门牌号:https://www.kaggle.com/c/siim-isic-

melanoma-classification类别:图像+分类各项任务:In this competition, you’ll identify melanoma in images of skin lesions. In particular, you’ll use images within the same patient and determine which are likely to represent a melanoma. Using patient-level contextual information may help the development of image analysis tools, which could better support clinical dermatologists.

评估结果分项: AUC计划:无简而言之特别的,就是图像分类全都在卷调参,拉不开差距,以后也不会参加这种赛事了这次赛事最大的经验是相信cv而不是lb,如果搬许多lb很高的公共内核,就等着过拟合翻车吧“公益AI之星”挑战赛-新冠疫情相似句对判定邀请赛。

2020.2-2020.3战绩:第一门牌号:“公益AI之星”挑战赛-新冠疫情相似句对判定邀请赛-天池邀请赛-阿里云天池类别:文档+分类各项任务:赛事主打疫情相关的呼吸领域的真实统计数据积累,统计数据粒度更加细化,判定难度相比多科室文档相似度匹配更高,同时问答统计数据也更具时效性。

本着宁缺毋滥的原则,问题的场地限制在20字以内,形成相对规范的句对要求球手通过自然语义演算法和医学知识识别相似问答和无关的问题评估结果分项:准确率计划:GitHub - zzy99/epidemic-sentence-pair: 天池 疫情相似句对判定邀请赛 线上第一名计划

统计数据扩充交叉验证对抗体能训练数学模型结合分类阈值微调(0.47)伪条码

部分文章来源于网络,仅作为参考,如果网站中图片和文字侵犯了您的版权,请联系我们处理!

上一篇:狗的题目(青年教师主讲 | 最高分题目的八个看点圣索弗勒维孔特,相继离开,冯小刚终于为他的“无所不能”付出了代价)

下一篇:体育竞技归纳(2022中国互联网发展创新与投资邀请赛归纳大会在深圳举行圣索弗勒维孔特,相继离开,冯小刚终于为他的“无所不能”牺牲了牺牲)

相关推荐

返回顶部