sofmax loss softmax loss是最常用的組件之一，但是缺乏鼓勵特征更具辨識性，這種廣泛使用的損失對模型的優(yōu)化效果是有限的。 Modify-softmax 我...
發(fā)簡信
IP屬地：海南
-
如何保持分類模型具有類內(nèi)聚斂、類間分離的特性？
-
Received B.Sc. degree in IoT Engineering in IoT School, JNU.<br>M.Sc. Student School of Computer Science and Technology, USTC.<br>Research Interests include but not limited to Machine learning, Spatial-Temporal data mining, Traffic data mining. Our papers have been received in AAAI, ICDM, MDM conferences.
-
KDD2018精選（4）有監(jiān)督矩陣完備化的主動特征獲取1. 原文：Active Feature Acquisition with Supervised Matrix Completion 作者來自南航、理研和東大 關鍵詞：主動...
-
KDD2018精選（3）用引導特征反演解釋基于DNN的預測1. 原文：Towards Explanation of DNN-based Prediction with Guided Feature Inversion 作者來自德州...
-
KDD2018精選（2）TFLid：基于特征子圖同構的遷移學習1. 原文：TransferLearning via Feature Isomorphism Discovery 作者來自港科大和上交大 關鍵詞：遷移學習；跨語種；子圖同構...
-
-
-
從零開始用Python搭建超級簡單的點擊率預估模型0.前言 本篇是一個基礎機器學習入門篇文章，幫助我們熟悉機器學習中的神經(jīng)網(wǎng)絡結構與使用。日常中習慣于使用Python各種成熟的機器學習工具包，例如sklearn、Tensor...
-
大數(shù)據(jù)，收錄大數(shù)據(jù)相關技術的文章。
-
機器學習，特征工程。
-
KDD2017精選（1）如何篩選特征來自：Feature Selection: A Data Perspective 目的： 相對于算法本身的改進，特征工程往往對效果有更直接的提升。特征工程以降維為手段，重點解...
-
機器學習(Machine Learning，ML)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機器學習界提供的數(shù)據(jù)分析技術和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術，機器學習是數(shù)據(jù)挖掘的一個重要的工具。機器學習交流群：613944735
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機器學習，深度學習，神經(jīng)網(wǎng)絡，計算機視覺等領域的一些技術。 Machine Learning 學習資料：http://www.itdecent.cn/p/e0238db24973 相關參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學習與神經(jīng)網(wǎng)絡(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機器學習”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學習！
-
綜述：深度學習算法在FAQ中的應用(三)CSRAN 本文介紹論文《Co-Stack Residual Affinity Networks with Multi-level Attention Refinement ...
-
KDD2018精選（1）贏家詛咒：AB測試的特征偏誤估計Winner’s Curse: Bias Estimation for Total Effects of Features in Online Controlled Expe...
