摘要：
发表期刊：Neurocomputing(2019) Harbin Institute of Technology 论文连接：https://www.sciencedirect.com/science/article/pii/S0925231218312219 摘要 论文重点关注基于内容的表检索，给定 阅读全文
摘要：
Tabert模型 论文题目: TABERT: Pretraining for Joint Understanding of Textual and Tabular Data 摘要 近年来，基于文本的自然语言理解任务的预训练语言模型蓬勃发展。这种模型通常是在自由形式的自然语言文本上训练的，因此可能不适 阅读全文
摘要：
摘要 论文研究果蝇的大脑细胞发现，它们在接受外界多种感知后会产生一个稀疏的高维输入来表示这些信息。论文中使用该网络来学习词汇的语义表示任务，并且可以生成静态的和上下文相关的词汇嵌入。与使用密集表示的传统方法(如BERT、GloVe)不同，论文的算法以稀疏二进制哈希码的形式编码单词的语义及其上下文。使 阅读全文
摘要：
参考文章 研一接触了强化学习，然后对其就产生了很大的兴趣。虽然有在莫烦Python上学习，也自己做过很简单的项目，但是之前对RL的学习比较混乱并不系统。正好看到这篇文章，感觉对自己有很大的帮助，就根据作者列出的知识点进行扩展学习。 1. 区分强化学习、监督学习和无监督学习 首先讲下监督学习与无监督学 阅读全文
摘要：
最近在做Python项目的时候遇到一个要向数据库中插入历史记录的一个问题，需要将行List数据存到数据库中。我是使用SQList创建的数据库文件和对应的Table，但在python使用SQL语句时老是在插入的第一个元素那里报错。观察了SQL的插入语句才发现问题在哪里。。。 首先看SQL语句的插入操作 阅读全文
摘要：
问题: 输入两个链表，找出它们的第一个公共节点。 如下面的两个链表： 分析： 该问题分为两种情况 情况1. 存在公共节点 如果A的长度是l1+C, B的长度是l2+C。C为公共部分长度。A B长度不一样的话，首先要考虑互补彼此。因为两个指针需要一起走，所以互补的最基本方式就是公共都走(l1+l2)长 阅读全文
摘要：
深度神经网络中当网络层数过多时会出现一些问题，例如梯度消失（gradient vanishing problem）和梯度爆炸（gradient exploding problem）问题。网络中前层的梯度计算是来自于后面层上梯度的乘积，当存在过多的层次时，就出现了内在本质上的不稳定场景。 神经网络中的 阅读全文
摘要：
神经网络 神经网络可以理解为一个输入x到输出y的映射函数，即f(x)=y，其中这个映射f就是我们所要训练的网络参数w，我们只要训练出来了参数w，那么对于任何输入x，我们就能得到一个与之对应的输出y。只要f不同，那么同一个x就会产生不同的y，我们当然是想要获得最符合真实数据的y，那么我们就要训练出一个 阅读全文
摘要：
问题: 输入两个链表，找出它们的第一个公共节点。 如下面的两个链表： 分析： 该问题分为两种情况 情况1. 存在公共节点 如果A的长度是l1+C, B的长度是l2+C。C为公共部分长度。A B长度不一样的话，首先要考虑互补彼此。因为两个指针需要一起走，所以互补的最基本方式就是公共都走(l1+l2)长 阅读全文
摘要：
神经网络 神经网络可以理解为一个输入x到输出y的映射函数，即f(x)=y，其中这个映射f就是我们所要训练的网络参数w，我们只要训练出来了参数w，那么对于任何输入x，我们就能得到一个与之对应的输出y。只要f不同，那么同一个x就会产生不同的y，我们当然是想要获得最符合真实数据的y，那么我们就要训练出一个 阅读全文