- 博客(2)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 木桶原理与反木桶原理及数学论证
目录一、木桶原理二、反木桶原理三、数学论证1、简单论证2、相对论证3、思考 木桶原理与反木桶原理是我们生活中非常熟知的理论，一、木桶原理木桶原理：指一个由若干木板构成的木桶，其容量取决于最短的那块木板。对一个组织而言，构成组织的各个要素类似于木桶的若干木板，而组织的能力又如木桶的容量，取决于组织中的要素。二、反木桶原理反木桶原理：木桶...
2018-12-22 11:16:45
11634
原创 智能推荐--协同过滤
推荐算法具有非常多的应用场景和商业价值，因此对推荐算法值得好好研究。推荐算法种类很多，但是目前应用最广泛的应该是协同过滤类别的推荐算法，本文就对协同过滤类别的推荐算法做一个概括总结，后续也会对一些典型的协同过滤推荐算法做原理总结。 1. 推荐算法概述 推荐算法是非常古老的，在机器学习还没有兴起的时候就有需求和应用了。概括来说，可以分为以下5种： 1）基于内容的推荐：这一...
2018-12-19 22:41:42
1045
1
Attention Is All You Need论文
"Attention Is All You Need" 论文的详细解读如下：
1. 摘要（Abstract）：
论文摘要简要介绍了Transformer模型，一种基于注意力机制的序列到序列学习模型。摘要提到，Transformer摒弃了传统的循环和卷积层，完全依赖于注意力机制来实现输入和输出序列之间的关联。实验结果表明，在翻译质量、并行能力和所需训练时间方面，Transformer优于此前的方法。
2. 引言（Introduction）：
引言部分首先回顾了传统的序列到序列模型，特别是基于RNN和CNN的模型，并指出了它们在处理长距离依赖和并行计算方面的局限性。随后，作者介绍了注意力机制，并强调了其在机器翻译等任务中的重要性。最后，作者总结了Transformer模型的主要特点和实验结果，指出其在翻译质量和模型效率方面的优势。
3. 相关工作（Background）：
在这一部分，作者简要回顾了与Transformer模型相关的先前工作，包括传统的序列到序列模型、基于注意力机制的模型以及一些优化技术。这些工作为Transformer模型的设计提供了理论基础和实践经验。
2024-07-04
diabetes_train.txt
糖尿病数据集，主要用于机器学习或者深度学习分类算法，共有9个字段
前8个维变量，最后一个字段为标签，为二分类数据集，当然自己可以转换成ONE-HOT类型
2020-05-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人