(Deep) Neural Networks (Deep Learning) , NLP and Text Mining 最近翻了一下关于Deep Learning 或者 普通的Neural Network在NLP以及Text Mining方面应用的文章，包括Word2Vec等，然后将key ide
转载
2016-08-06 14:46:00
226阅读
2评论
SVO2系列之深度滤波DepthFiltersvo_noteSVO（SVO: fast semi-direct monocular visual odometry）SVO 半直接视觉里程计【DepthFilter】深度滤波器 SVO2系列之深度滤波DepthFilter原理及其公式详细推倒1. 前言2. DepthFilter对象创建3. 关键帧与普通帧处理差异3.1 关键帧：3.2 普通帧：4.
转载
2023-08-18 11:37:05
61阅读
2017年，谷歌在“Attention is all you need”一文中首次提出了完全基于self-attention（自注意力）机制的transformer模型，用于处理序列模型的相关问题，如机器翻译等。传统的神经机器翻译模型大都是采用RNN或者CNN作为encoder-decoder模型的基础，而Tra...
转载
2020-01-18 15:50:56
568阅读
论文地址 ：https://arxiv.org/abs/1906.02243v1 作者 ： Emma Strubell, Ananya Ganesh, Andrew McCallum 机构 ： University of Massachusetts Amherst 研究的问题： 一篇很绿色的文章。作
转载
2020-04-21 22:49:00
191阅读
2评论
前言前段时间研究了SDL项目，看到了Spark的宏大愿景，写了篇Spark新愿景：让何设置worker的python命...
原创
2023-03-17 20:04:22
131阅读
http://licstar.net/archives/328 这篇博客是我看了半年的论文后，自己对 Deep Learning 在 NLP 领域中应用的理解和总结，在此分享。其中必然有局限性，欢迎各种交流，随便拍。 Deep Learning 算法已经在图像和音频领域取得了惊人的成果，但是在 NL
转载
2016-05-30 18:54:00
100阅读
2评论
论文笔记：Deep Learning [nature review by Lecun, Bengio, & Hinton]如今，机器学习的技术在我们的生活中扮演着越来越重要的角色。从搜索引擎到推荐系统，从图像识别到语音识别。而这些应用都开始逐渐使用一类叫做深度学习（Deep Learning）的技术。传统机器学习算法的局限性在于，它们往往很难处理那些未被加工过的自然数据（natural d
Inference with C# BERT NLP Deep Learning and ONNX Runtime
# NLP: BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
## 简介
在自然语言处理（NLP）领域中，BERT（Bidirectional Encoder Representations from Transformers）是一种深度双向转换器的预训练模型，用于语言理解任务。对
原创
2023-08-16 14:37:21
42阅读
原创
2021-09-08 09:58:22
151阅读
0-写在前面随机森林，指的是利用多棵树对样本进行训练并预测的一种分类器。该分类器最早由Leo Breiman和Adele Cutler提出。简单来说，是一种bagging的思想，采用bootstrap，生成多棵树，CART（Classification And Regression Tree）构成的。对于每棵树，它们使用的训练集是从总的训练集中有放回采样出来的，这意味着，总的训练集中的有些样本可能
之前提到，深度神经网络在训练中容易遇到梯度消失/爆炸的问题，这个问题产生的根源详见之前的读书笔记。在 Batch Normalization 中，我们将输入数据由激活函数的收敛区调整到梯度较大的区域，在一定程度上缓解了这种问题。不过，当网络的层数急剧增加时，BP 算法中导数的累乘效应还是很容易让梯度慢慢减小直至消失。这篇文章中介绍的深度残差 (Deep Residual) 学习网络可以说根治了这种
深度压缩 Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding目录介绍网络剪枝 Pruning量化 QuantizationHuffman Codingexperiencediscussions介绍论文：Deep Compression: Co
重磅干货，第一时间送达1AboutCS224N「CS224n：深度自然语言处理课程」（NaturalLanguageProcessingwithDeepLearning），由斯坦福大学出品，让你在了解丰富的自然语言处理基础理论的同时，学会将运用神经网络到实际问题中。主讲人为斯坦福大学人工智能实验室主任，著名计算机科学家ChristopherManning教授，1月份课程阅读材料已公布。本课程自20
原创
2020-12-15 16:16:19
988阅读
deeplearning4j是基于java的深度学习库，当然，它有许多特点，但暂时还没学那么深入，所以就不做介绍了需要学习dl4j，无从下手，就想着先看看官网的examples，于是，下载了examples程序，结果无法运行，总是出错，如下：查看一周的错误，也没有成功，马上就要放弃了，结果今天在论坛一大牛指导下，终于成功跑起，下面，将心酸的环境配置过程记录如下，以备自己以后查阅，同时，也希望各种高
前言最近在实践知识图谱的过程中，发现阿里目前在神马搜索构建知识图谱的过程使用了deepdive进行了关系抽取，另外就是利用深度学习PCNNs进行关系抽取。通过在对deepdive进行了解的过程中，deepdive非常适合信息抽取，是构建知识库的利器。能够基于词性标注、句法分析等通过各种文本规则实现实体之间关系的抽取，同时可面向异构、海量的数据。这里会重点介绍deepdive各个方面涉及的原理和概念
论文收集方法检索了所有带depth的标题的论文，争取没有遗漏的筛选深度估计相关论文 下面进行分类单纯有监督深度估计uncertainty aware cnns for depth completion: uncertainty from beginning to end 有监督深度补全，给出了不确定性度量generating and exploiting probabilistic monocul
推荐系统（五）wide&deep模型
这篇博客主要介绍谷歌于2016年发表在RecSys上的一篇文章，俗话说：谷歌家出品，必属精品。这篇文章提出的模型wide&deep着实对推荐系统领域有着非常大的影响，启发了后面几年推荐系统领域的一些工作，比如：deep&cross，deepFM等。这篇文章也是秉承着G家文章一贯的风格【大道至简，非常关注工程
记录学习网址，占个茅坑：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.htmlhttps://morvanzhou.github.io/tutorials/machine-learning/keras/ ...
转载
2018-05-13 21:44:00
151阅读
2评论
Deep Learning
Content
One 深度学习原理（上）
1.1
1.2
1.3 用K近邻来进行图像分类
1.4
Two 深度学习原理（下）
2.1
2.2
2.11 RNN网络结构
2.12 RNN网络细节
2.13 Python实现RNN算法
2.14 LSTM网络结构简介
2.15
2.19 训练技巧之Transfer Learni
原创
2021-07-22 10:06:47
243阅读
