摘要： 0. 引语 在机器学习中，交叉熵损失（cross-entropy）几乎是分类任务的默认选择，而均方误差（MSE）则常用于回归。很多人会记住公式，却不清楚这些损失函数为什么合理、从哪里来、彼此之间有什么统一关系。 本文给出一条自顶向下、无跳步的推导路径，从最原始的参数估计目标出发，经过： 最大似然估计 阅读全文

摘要： An In-Depth Guide to Denoising Diffusion Probabilistic Models DDPM – Theory to Implementation 中文翻译：DDPM扩散概率模型去噪深度指南——理论到实现 https://learnopencv.com/den 阅读全文

摘要： 原始题目：PEPNet: Parameter and Embedding Personalized Network for Infusing with Personalized Prior Information 中文翻译：PEPNet：用于注入个性化先验信息的参数和嵌入个性化网络 发表时间：202 阅读全文

摘要： Boosting、Bagging主要关注降低偏差还是方差？ 最近在做项目的过程中遇到了集成学习中的stagging方法，让我想起了之前参加面试的时候碰到的一个问题：Boosting主要关注降低偏差还是方差？Bagging主要关注降低偏差还是方差？这个问题还是很有意思的，如果之前没有看过，即便了解Bo 阅读全文

摘要： 原始题目：Position: What Can Large Language Models Tell Us about Time Series Analysis 中文翻译：立场：关于时间序列分析，大型语言模型能告诉我们什么 发表时间：2024-06-01 平台：ICML 文章链接：http://ar 阅读全文

摘要： 1. 总结 谷歌提供了很多搜索方法，除了常见的关键词搜索外，还有图片搜索（目前用到的TOP 1），另外在谷歌的搜索栏也支持一些检索指令，例如通过site指定检索的网站。 2. 指令及使用方法 指令 作用 示例 site 搜索结果限制在某个网站 外贸培训 site:made-in-china.com 阅读全文

摘要： 1. 需求描述 windows系统，远程连接，没有公网ip 2. 解决方案：sunshine + moonlight + tailscale tailscale：vpn，用于构建虚拟局域网，将不同终端连接到一个网络中。https://tailscale.com/download sunshine：输 阅读全文

摘要： 原始题目：TabTransformer: Tabular Data Modeling Using Contextual Embeddings 中文翻译：TabTransformer:使用上下文嵌入的表格数据建模 发表时间：2020-12-11 平台：arXiv 文章链接：http://arxiv.o 阅读全文

摘要： 原始题目：Adaptive Normalization for Non-stationary Time Series Forecasting: A Temporal Slice Perspective 中文翻译：非平稳时间序列预测的自适应归一化：时间片的视角 发表时间：2023-12-15 平台：A 阅读全文

摘要： 原始题目：Reversible Instance Normalization for Accurate Time-Series Forecasting against Distribution Shift 中文翻译：针对分布偏移的精确时间序列预测的可逆实例归一化 发表时间：2021/10/06 平台 阅读全文