發(fā)簡信
IP屬地：山西
-
深度模型的優(yōu)化（1）：批標準化（Batch Normalization，BN）1 導入1.1 獨立同分布??統(tǒng)計機器學習的經(jīng)典假設：source domain和target domain的數(shù)據(jù)分布是一致的，也就是說，訓練數(shù)...
-
歸一化 （Normalization）、標準化 （Standardization）和中心化/零均值化 （Zero-centered）1 概念??歸一化：１）把數(shù)據(jù)變成(０，１)或者（1,1）之間的小數(shù)。主要是為了數(shù)據(jù)處理方便提出來的，把數(shù)據(jù)映射到0～1范圍之內處理，更加便捷快...
-
損失函數(shù)（1）：交叉熵
1、自信息??定義：由克勞德·香農提出，是與概率空間中的單一事件或離散隨機變量的值相關的信息量的量度。用信息的單位表示，例如bit（以2為底）、...
-
Word Embedding: Word2Vec1. 導入 ??這是語言表示系列的第1篇，主要講述了分布式表示里的Word2vec方法。該系列目前暫定有4篇語言的分布式表示（Distribut...
-
喵喵學動態(tài)規(guī)劃（待補完）
1. 導入 2. DP可解 ??確認一個問題是否DP可解是使用DP算法前最重要的一步。 2.1 相關概念 ??狀態(tài)：內存中存儲的變量構成了計算機...
-
