摘要：
https://mp.weixin.qq.com/s/JwRXBNmXBaQM2GK6BDRqMw 选自GitHub 作者：Artur Suilin 机器之心编译 参与：蒋思源、路雪、黄小天 近日，Artur Suilin 等人发布了 Kaggle 网站流量时序预测竞赛第一名的详细解决方案。他们不仅 阅读全文
posted @ 2017-12-06 10:06
Django's blog
阅读(1074)
评论(0)
推荐(0)
摘要：
http://ruder.io/deep-learning-optimization-2017/index.html 梯度下降算法是机器学习中使用非常广泛的优化算法，也是众多机器学习算法中最常用的优化方法。几乎当前每一个先进的(state-of-the-art)机器学习库或者深度学习库都会包括梯度下 阅读全文
posted @ 2017-12-05 20:57
Django's blog
阅读(1107)
评论(0)
推荐(0)
摘要：
https://www.zhihu.com/question/60585243 http://xueshu.baidu.com/s?wd=paperuri:(794fcaa2376f02a8c2e814bb34542e7a)&filter=sc_long_sign&sc_ks_para=q%3D%E 阅读全文
posted @ 2017-12-04 20:28
Django's blog
阅读(536)
评论(0)
推荐(0)
摘要：
http://blog.csdn.net/omnispace/article/details/78061776 这有可能也是知乎上面分析介绍深度学习最为全面的文章之一。希望做物理的，做数学的，做生物的，做化学的，做计算机，包括做科幻的都能看的很开心。 Hinton 以“深度学习之父” 和 “神经网络 阅读全文
posted @ 2017-11-29 19:41
Django's blog
阅读(3194)
评论(0)
推荐(2)
摘要：
转自： https://createmomo.github.io/ BiLSTM-CRF模型中CRF层的解读：文章链接：标题：CRF Layer on the Top of BiLSTM - 1 链接：https://createmomo.github.io/2017/09/12/CRF_Layer 阅读全文
posted @ 2017-11-28 13:29
Django's blog
阅读(1832)
评论(0)
推荐(0)
摘要：
http://blog.csdn.net/m0_37306360/article/details/72832606 这里记录使用fastText训练word vector笔记 github地址：https://github.com/facebookresearch/fastText 下载到本机: $ 阅读全文
posted @ 2017-11-27 15:35
Django's blog
阅读(2955)
评论(0)
推荐(0)
摘要：
http://blog.csdn.net/thriving_fcl/article/details/53239856 最近在一个项目里使用了fasttext[1]， 这是facebook今年开源的一个词向量与文本分类工具，在学术上没有什么创新点，但是好处就是模型简单，训练速度又非常快。我在最近的一个 阅读全文
posted @ 2017-11-27 14:44
Django's blog
阅读(14090)
评论(0)
推荐(0)
摘要：
http://blog.csdn.net/weixin_36604953/article/details/78324834 想必通过前一篇的介绍，各位小主已经对word2vec以及CBOW和Skip-gram有了比较清晰的了解。在这一篇中，小编带大家走进业内最新潮的文本分类算法，也就是fastTex 阅读全文
posted @ 2017-11-27 13:28
Django's blog
阅读(28023)
评论(1)
推荐(1)
摘要：
http://blog.csdn.net/weixin_36604953/article/details/78195462?locationNum=8&fps=1 文本分类需要CNN？No！fastText完美解决你的需求（前篇） fastText是个啥？简单一点说，就是一种可以得到和深度学习结果准 阅读全文
posted @ 2017-11-27 13:26
Django's blog
阅读(5461)
评论(0)
推荐(2)
摘要：
该算法由facebook在2016年开源，典型应用场景是“带监督的文本分类问题”。 模型 模型的优化目标如下： 其中，$<x_n,y_n>$是一条训练样本，$y_n$是训练目标，$x_n$是normalized bag of features。矩阵参数A是基于word的look-up table，也 阅读全文
posted @ 2017-11-27 13:13
Django's blog
阅读(2036)
评论(0)
推荐(0)
浙公网安备 33010602011771号