本博客所有內(nèi)容均適用知識(shí)共享-署名-相同方式共享（CC-BY-SA）4.0協(xié)議。
發(fā)簡(jiǎn)信
IP屬地：江蘇
-
-
文本分類(lèi)中關(guān)于‘其他’類(lèi)識(shí)別的問(wèn)題
請(qǐng)教個(gè)問(wèn)題： 1.我的文本分類(lèi)模型有兩個(gè)分類(lèi)：股票增持和股票減持 2.我輸入“我想吃飯”，輸出的類(lèi)別是股票增持，概率為98% 3.因?yàn)閟oftmax所有分類(lèi)概率之和為1，所以...
-
學(xué)習(xí)交流NLP基礎(chǔ)理論、關(guān)鍵技術(shù)，分享應(yīng)用研究成果。包括但不限于語(yǔ)料庫(kù)；詞法分析、 句法分析、語(yǔ)義分析、文本生成、語(yǔ)音識(shí)別；文本分類(lèi)和聚類(lèi)、信息檢索和過(guò)濾、信息抽??；機(jī)器翻譯等專(zhuān)題。
-
【科普】拉姆齊定理RamseyTheory-1歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】 拉姆齊定理揭示了無(wú)序中必然出現(xiàn)有序的辯證統(tǒng)一。 拉姆齊 Frank P. Ramsey弗蘭克·拉姆齊，1903~1930...
-
人工智能通識(shí)-科普-信息熵和信息量歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】【匯總】2019年4月專(zhuān)題 信息論中的熵如何度量的？ 信息熵和信息量 信息是否可以有統(tǒng)一的度量標(biāo)準(zhǔn)？當(dāng)你收到兩條不同信息的...
-
'發(fā)生概率越高的事件，信息量越小，信息所攜帶的信息量和概率成正比' 這個(gè)沒(méi)看明白 不是應(yīng)該是反比嗎
人工智能通識(shí)-科普-信息熵和信息量
歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】【匯總】2019年4月專(zhuān)題 信息論中的熵如何度量的？ 信息熵和信息量 信息是否可以有統(tǒng)一的度量標(biāo)準(zhǔn)？當(dāng)你收到兩條不同信息的...
-
-
人工智能發(fā)展的歷史軌跡怎樣？ 發(fā)展趨勢(shì)怎樣？ 什么是智能？ 人工智能技術(shù)的方向在哪里？ 未來(lái)會(huì)怎樣？ 我們的工作生活將發(fā)生怎樣變化？ 我們?cè)撊绾螒?yīng)對(duì)？ 如何在未來(lái)取得自己的競(jìng)爭(zhēng)優(yōu)勢(shì)？ ---------- 每個(gè)人都應(yīng)知道的人工智能知識(shí)， 每個(gè)人都能看懂的技術(shù)內(nèi)容。 全部文章完全原創(chuàng)，歡迎轉(zhuǎn)載交流~
-
人工智能通識(shí)-科普-微積分計(jì)算曲線(xiàn)長(zhǎng)度歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】 這篇我們介紹微積分弧長(zhǎng)公式的推導(dǎo)，復(fù)習(xí)微積分的概念。如何計(jì)算任意函數(shù)曲線(xiàn)的長(zhǎng)度？ 細(xì)分曲線(xiàn) 如下圖，如何計(jì)算在[a,b]...
-
什么是殘差——一文讓你讀懂GBDT(梯度提升樹(shù)) 和 Resnet (殘差網(wǎng)絡(luò))的原理殘差 殘差在數(shù)理統(tǒng)計(jì)中是指實(shí)際觀(guān)察值與估計(jì)值（擬合值）之間的差。在集成學(xué)習(xí)中可以通過(guò)基模型擬合殘差，使得集成的模型變得更精確；在深度學(xué)習(xí)中也有人利用layer去擬合殘差將深度...
-
感謝樓主的分享！有個(gè)地方不太理解, 例子中對(duì)u求導(dǎo)后是不是少了個(gè)7次方: 8*(x3+6)7
人工智能通識(shí)-科普-求導(dǎo)數(shù)公式與鏈?zhǔn)椒▌t
歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】 怎么求的導(dǎo)數(shù)？ 常用求導(dǎo)數(shù)公式 鏈?zhǔn)椒▌t 怎么求下面這個(gè)函數(shù)的導(dǎo)數(shù)？ 我們可以把它轉(zhuǎn)為兩個(gè)函數(shù)： 也就是： 復(fù)合到一起就...
-
人工智能通識(shí)-科普-微積分定理歡迎關(guān)注我的專(zhuān)欄( つ??ω??)つ【人工智能通識(shí)】 微積分定理簡(jiǎn)單說(shuō)就是，微分和積分互為逆運(yùn)算。人工智能通識(shí)-2019年3月專(zhuān)題匯總 曲線(xiàn)下的面積 為什么會(huì)有微積分這種折磨...
-
思想上遺世獨(dú)立,身體上同流合污
-
五分鐘搭建一個(gè)基于BERT的NER模型BERT 簡(jiǎn)介 BERT是2018年google 提出來(lái)的預(yù)訓(xùn)練的語(yǔ)言模型，并且它打破很多NLP領(lǐng)域的任務(wù)記錄，其提出在nlp的領(lǐng)域具有重要意義。預(yù)訓(xùn)練的(pre-train...
-
我以官方文檔為主線(xiàn)，開(kāi)始對(duì)TensorFlow的學(xué)習(xí)。這期間會(huì)把我的理解進(jìn)行持續(xù)的輸出，作為《TensorFlow從0到N》系列。 它不會(huì)止于翻譯和筆記，不會(huì)停留在語(yǔ)言和工具，而是堅(jiān)持通過(guò)啟發(fā)性的方式，循序漸進(jìn)的構(gòu)建理解，搭建一個(gè)堅(jiān)實(shí)可靠的、連接“零基礎(chǔ)”與“人工智能（AI）/機(jī)器學(xué)習(xí)（Machine Learning）/深度學(xué)習(xí)（Deep Learning）”領(lǐng)域之間的緩坡道。
-
分享一些有趣的深度學(xué)習(xí)的項(xiàng)目復(fù)現(xiàn)。同時(shí)會(huì)有對(duì)一些主流如caffe、tensorflow的源碼解讀。 歡迎投稿
-
簡(jiǎn)書(shū)上的TF學(xué)習(xí)平臺(tái)，歡迎TF boys各種TensorFlow相關(guān)技術(shù)貼投稿，愿知識(shí)共享的力量幫助大家共同進(jìn)步！
-
這是一個(gè)面向沒(méi)有基礎(chǔ)的非專(zhuān)業(yè)人士的專(zhuān)輯，是一個(gè)人人都能看懂的Tensorflow指南。未來(lái)每個(gè)人都是要和AI打交道的，而Tensorflow是AI的底層建筑。人工智能從這個(gè)專(zhuān)輯開(kāi)始。
