背景：針對聲學(xué)模型的調(diào)研，時間2019年8月 Speech Recognition on LibriSpeech test-other 1.google的語音識別技術(shù)（LAS...
發(fā)簡信
IP屬地：上海
-
各大公司的語音技術(shù)調(diào)研 -
-
機(jī)器學(xué)習(xí)算法---LightGBM本文為通過文末的學(xué)習(xí)內(nèi)容學(xué)習(xí)后記錄的部分學(xué)習(xí)摘要 LightGBM的提出 常用的機(jī)器學(xué)習(xí)算法，例如神經(jīng)網(wǎng)絡(luò)等算法，都可以以mini-batch（小批量數(shù)據(jù)）的方式訓(xùn)練，訓(xùn)練數(shù)...
-
Natural Gradient 算法簡介
Natural Gradient DescentScore functionFisher Information MatrixKL 散度KL 散度的二階 Hessian 陣N...
-
FCOS：全卷積目標(biāo)檢測今天我繼續(xù)來介紹一個Anchor-Free新的算法（它是基于密集采樣的AF），這個文章我看下來個人覺得非常有意思。因為它將語義分割的思想用來做檢測了。在學(xué)校期間，我的研究方向...
-
XGBoost算法思想本章涉及到的知識點清單：1、boosting模式2、集成學(xué)習(xí)模型的偏差和方差3、bagging的偏差和方差4、boosting的偏差和方差5、XGBoost的基礎(chǔ)模型6、XG...
-
NLP論文解讀：XLNet摘要 通過雙向文本預(yù)訓(xùn)練模式，以BERT為代表的基于自編碼（autoencoding）的預(yù)訓(xùn)練模型在各類任務(wù)上表現(xiàn)突出，超越了傳統(tǒng)的單向訓(xùn)練的自回歸（autoregressi...
-
Airflow 有關(guān)task并行度的問題
有三個參數(shù)可以用來控制airflow運(yùn)行的并行度 parallelism ：這是用來控制每個airflow worker 可以同時運(yùn)行多少個task實例。這是airflow集...
-
GraphSAGE：我尋思GCN也沒我牛逼眾所周知，2017年ICLR出產(chǎn)的GCN現(xiàn)在是多么地?zé)衢T，仿佛自己就是圖神經(jīng)網(wǎng)絡(luò)的名片。然而，在GCN的風(fēng)頭中，很多人忽略了GCN本身的巨大局限——Transductive ...
-
用對抗的方法生成Hard Triplets
論文：An Adversarial Approach to Hard Triplet Generation 1. Triplet Loss ReID問題中都是根據(jù)圖像embe...
-
-
LightGBM，面試會問到的都在這了（附代碼）！
1. LightGBM是什么東東 不久前微軟DMTK(分布式機(jī)器學(xué)習(xí)工具包)團(tuán)隊在GitHub上開源了性能超越其他boosting工具的LightGBM，在三天之內(nèi)GitHu...
-
策略梯度方法(Policy Gradients)
策略梯度方法（PG）是強(qiáng)化學(xué)習(xí)（RL）中經(jīng)常使用的算法?；谥岛瘮?shù)的DQN算法通過近似估算狀態(tài)-動作值函數(shù)來推斷最優(yōu)策略，而策略梯度方法則是直接優(yōu)化策略。 策略梯度方法推導(dǎo) ...
-
CTC在語音識別中的應(yīng)用最近在學(xué)習(xí)CTC，這位作者的文章寫的非常好，對我入門CTC非常有幫助，抱著向前輩學(xué)習(xí)的態(tài)度來寫一篇學(xué)習(xí)筆記，這里附上原文鏈接：CTC Algorithm Explained ...
-
王小波筆下的“性與愛”那一天我21歲，在我一生的黃金時代。我有好多奢望。我想愛想吃，還想在一瞬間變成天上半明半暗的云。后來我才知道，生活就是個緩慢受錘的過程，人一天天老下去，奢望也一天天消失，...