摘要：
1. 前言 近年来，NLP领域发展迅速，而机器翻译是其中比较成功的一个应用，自从2016年谷歌宣布新一代谷歌翻译系统上线，神经机器翻译（NMT，neural machine translation）就取代了统计机器翻译（SMT，statistical machine translation），在翻译 阅读全文
摘要：
"1. EM算法 数学基础" "2. EM算法 原理详解" "3. EM算法 高斯混合模型GMM" "4. EM算法 高斯混合模型GMM详细代码实现" "5. EM算法 高斯混合模型GMM+Lasso" 1. 前言 GMM(Gaussian mixture model) 混合高斯模型在机器学习、计算 阅读全文
摘要：
"1. EM算法 数学基础" "2. EM算法 原理详解" "3. EM算法 高斯混合模型GMM" "4. EM算法 高斯混合模型GMM详细代码实现" "5. EM算法 高斯混合模型GMM+Lasso" 1. 前言 概率模型有时既含有观测变量(observable variable)，又含有隐变量或 阅读全文
摘要：
"1. EM算法 数学基础" "2. EM算法 原理详解" "3. EM算法 高斯混合模型GMM" "4. EM算法 高斯混合模型GMM详细代码实现" "5. EM算法 高斯混合模型GMM+Lasso" 1. 凸函数 通常在实际中，最小化的函数有几个极值，所以最优化算法得出的极值不确实是否为全局的极 阅读全文
摘要：
"1. DNN神经网络的前向传播（FeedForward）" "2. DNN神经网络的反向更新（BP）" "3. DNN神经网络的正则化" 1. 前言 和普通的机器学习算法一样，DNN也会遇到过拟合的问题，需要考虑泛化，这里我们就对DNN的正则化方法做一个总结。 2. DNN的L1和L2正则化 想到 阅读全文
摘要：
1. 前言 我们在学习人工智能的时候，不管是机器学习还是深度学习都需要经历一个调参的过程，参数的好坏直接影响这模型效果的好坏。今天我们介绍下在深度学习中，调参的技巧主要分为哪些。 2. 深度学习中的主要参数 学习率（learning rate）：学习率的取值一般是1、0.1、0.01、0.001等， 阅读全文
摘要：
"1. 通俗易懂解释知识图谱（Knowledge Graph）" "2. 知识图谱 命名实体识别（NER）详解" "3. 哈工大LTP解析" 1. 前言 哈工大语言技术平台Language Technology Platform（LTP）是哈工大社会计算与信息检索研究中心历时十年开发的一整套中文语言 阅读全文
摘要：
"1. 通俗易懂解释知识图谱（Knowledge Graph）" "2. 知识图谱 命名实体识别（NER）详解" "3. 哈工大LTP解析" 1. 前言 在解了知识图谱的全貌之后，我们现在慢慢的开始深入的学习知识图谱的每个步骤。今天介绍知识图谱里面的NER的环节。 命名实体识别（Named Enti 阅读全文
摘要：
"1. 通俗易懂解释知识图谱（Knowledge Graph）" "2. 知识图谱 命名实体识别（NER）详解" "3. 哈工大LTP解析" 1. 前言 从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在 阅读全文
摘要：
"1. CNN卷积网络 初识" "2. CNN卷积网络 前向传播算法" "3. CNN卷积网络 反向更新" 1. 前言 如果读者详细的了解了 "DNN神经网络的反向更新" ，那对我们今天的学习会有很大的帮助。我们的CNN卷机网络中有3种网络结构。1. 卷积层，2.池化层，3.全连接层。全连接层的反向 阅读全文