摘要： 1.学习模糊神经推理系统 https://blog.csdn.net/leneey/article/details/80909047 基本对过程有了了解，但是要对它形成讲解还不行，所以先看论文吧。 2.学习模糊逻辑 https://blog.csdn.net/yuyanjingtao/article 阅读全文

摘要： 1.了解了freebase。 2.开放领域的关系抽取。 3.哈里斯分布假设https://blog.csdn.net/david0611/article/details/80691043 上下文相近的词，它的语义也相近。 4.https://www.cnblogs.com/vpegasus/p/re 阅读全文

摘要： 1.详解Transformer https://zhuanlan.zhihu.com/p/48508221（非常好的文章） 2.Bert学习 https://zhuanlan.zhihu.com/p/46652512 模型的主要创新点都在pre-train方法上，即用了Masked LM和Next 阅读全文

摘要： 转自：https://www.cnblogs.com/Luv-GEM/p/11598294.html （ok） 1.关系抽取从实现的算法来看，主要分为四种： 1、手写规则（Hand-Written Patterns）； 2、监督学习算法（Supervised Machine Learning）； 3 阅读全文

摘要： 1.了解关系抽取任务。 一般：https://www.cnblogs.com/vpegasus/p/re.html https://shomy.top/2018/02/28/relation-extraction/ （待看） 全监督、远程监督、实体和关系的联合学习、基于树的方法。这个还是太全面复杂， 阅读全文

摘要： 2.DE工作。 如果是指定了两种细胞类型，那么就从两种cell类型中取样n_samples，当然是越多越好，经过VAE模型获取到了px_scales（经过校正）表达的百分比，之后用它计算贝贝叶斯因子，是通过判断两个矩阵的大小，并且求均值，log(res/1-res)。 如果是1 vs all，那么就 阅读全文

摘要： 1.中午和下午一直在做高软开发的PPT，晕死。 2.这里由于sv用到了贝叶斯因子，并且有对感兴趣的基因得到： 图1 贝叶斯因子的计算公式： 从书中给出的例子可以看出，要接受原假设，就要贝叶斯因子>1的。 sv中取log也是为了防止贝叶斯因子过小而产生溢出吧。 那么就目前的理解，在图1中，THY1是拒 阅读全文

摘要： 1.在看imputation的样例代码 测试损失是怎么得出来的呢？将X输入进模型，并且预测出了X'，那么此时就可以根据loss函数来计算了，包括重建的概率损失，以及隐空间变量和库大小变量的KL散度。 那么imputation它是如何进行的呢？查看代码后我发现了，首先从数据集中加载已经扰乱过的数据： 阅读全文

摘要： 1.决定再重新读一遍sv论文。 4.中位数 https://blog.csdn.net/zhang20072844/article/details/13372753 https://blog.csdn.net/z84616995z/article/details/18909475 5.贝叶斯因子ht 阅读全文

摘要： 1.python中导入包和模块 https://blog.csdn.net/foreverling/article/details/52080411 https://www.cnblogs.com/Lands-ljk/p/5880483.html https://www.cnblogs.com/La 阅读全文