深度强化学习DRL
文章平均质量分 66
普通网友
这个作者很懒,什么都没留下…
展开
-
北京打响大模型地方战第一枪:公布通用人工智能发展21项措施
智东西5月16日消息,近日,《北京市促进通用人工智能创新发展的若干措施(2023-2025年)(征求意见稿)》(简称:“措施”)公布,从算力、数据、算法、应用、监管五大方向,对北京大模型发展提出了21项措施,于5月12日至5月19日面向公众征集意见。支持我市能源、材料、生物领域相关实验室设立科研合作专项,与我市相关科研机构和创新企业开展联合研发,充分挖掘材料、蛋白质和分子药物领域实验数据,研发科学计算模型,开展新型合金材料、蛋白质序列和创新药物化学结构序列预测,缩短科研实验周期。原创 2023-05-19 19:06:59 · 190 阅读 · 0 评论 -
一大波特斯拉人形机器人上线,马斯克震撼官宣2款新车!
并畅想「在未来,我们认为FSD一定会比人类驾驶员安全得多,一定比人类驾驶员安全十倍,我觉得这样的安全性是可以实现的,这是很重要的成就。「这是不可能的,特斯拉将在Real World AI或者AGI中扮演非常重要的角色,因此,我得确保这件事很好地进行。马斯克称,「需求有多大,我们就生产多少」。从网友拍的视频中可以清晰地看到:那个被称为Giga Wiper的巨大雨刷,粗壮的悬架,以及可伸缩的盖板结构。就目前的工作,马斯克表示自己不断忍受媒体的负面报道,「有时工作的痛苦程度非常难以忍受」,但是他依旧保持乐观。原创 2023-05-19 19:07:08 · 274 阅读 · 0 评论 -
谷歌慌了!想发论文得审批,优先开发产品,让OpenAI没得看
这样的「指责」并不奇怪,事实上,大语言模型的重要基础,ChatGPT 中的 T —— transformer 是谷歌 2017 年的一项研究。「在社会层面上,它可能会造成很大的伤害,」他在 4 月份的「60 分钟」节目中警告说,并描述了生成式 AI 如何加速虚假图像和视频的创作。新的政策变化是谷歌内部更大转变的一部分。长期以来,这家科技巨头一直被认为是 AI 领域的领导者,但现在却陷入了需要追赶别人的境地 —— 谷歌需要抵御一群灵活的 AI 竞争对手,保护自己的核心搜索业务和股价,以及潜在的未来。原创 2023-05-12 19:17:10 · 788 阅读 · 0 评论 -
“心机boy”马斯克:明面上呼吁暂停先进AI研发,背地里悄悄买1万块GPU推进大模型项目
现在来看,彼时的集体呼吁更像是一场“暗渡陈仓”的闹剧,也是马斯克以及一众被 OpenAI 生态伙伴们甩在身后的科技巨头们的缓兵之计,毕竟签名者中就有正亲自参与 AI 模型研究和部署的人士,比如 Stability AI 的 CEO Emad Mostaque。他和一众反对继续研发 AI 的业内大佬们给出的理由是:我们已经有了 GPT-4,现在应该先缓一缓,别急着搞出比它更强大的新型 AI 系统。有媒体报道,实际上,马斯克反对的不是 AI,而是 OpenAI 和 GPT。整理 | 冬梅、核子可乐。原创 2023-04-14 19:26:17 · 578 阅读 · 0 评论 -
ChatGPT背后的指令学习是什么?PSU最新首篇《指令学习》技术全面综述,详述指令学习关键问题
任务语义可以用一组输入到输出的例子或一条文本指令来表示。传统的自然语言处理(NLP)机器学习方法主要依赖于大规模特定任务样本集的可用性。出现了两个问题: 首先,收集特定于任务的标记示例,不适用于任务可能太复杂或太昂贵而无法注释,或系统需要立即处理新任务的场景;其次,这对用户来说并不友好,因为最终用户可能更愿意在使用系统之前提供任务描述,而不是一组示例。因此,社区对NLP的一种新的监督寻求范式付出了越来越大的兴趣: 从任务指令中学习。尽管取得了令人印象深刻的进展,但社区仍面临一些共同的问题。本文试图从以下几个原创 2023-03-31 19:41:49 · 2342 阅读 · 0 评论 -
机器学习从入门到进阶所需学习资料-包括书、视频、源码
FAIR的大名就不多讲了,我想很多人知道,很多精彩论文出自FAIR,博客讨论了人工智能,深度学习,机器学习,计算机视觉及其在Facebook自研产品上的实际应用。非常推荐,博主是DeepMind的研究科学家和博士。由Elon Musk提出建立的一个人工智能非营利组织,定期发布有关自然语言处理,图像处理和语音处理等先进人工智能技术的研究。特斯拉的人工智能总监,很多人也许看过他的博客,但是不知道这个人。本文整理了一些入门到进阶机器学习所需要的一些免费的精品视频课程,一些优质的书籍和经典的代码实战项目。原创 2023-01-28 18:41:12 · 372 阅读 · 0 评论 -
最近几年-基于深度学习自然语言处理的推荐系统-必读论文整理分享
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。因此,对于推荐内容的理解对于推荐系统来说非常重要的。本资源整理了基于自然语言处理内容理解的推荐系统,整理了最近几年NLP在推荐系统中相关的应用,涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。原创 2022-12-31 15:32:53 · 584 阅读 · 0 评论 -
人工智能芯片设计相关架构/设计相关论文整理分享
技术手段方面AI市场的第一颗芯片包括现成的CPU,GPU,FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通,以及IBM等公司开发,但还不清楚哪家的方法会胜出。AI芯片该使用什么方法原理去实现,仍然众说纷纭,这是新技术的特点,探索阶段百花齐放,这也与深度学习等算法模型的研发并未成熟有关,即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。AI芯片也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。原创 2022-12-31 15:27:08 · 299 阅读 · 0 评论 -
自然语言处理中数据增强(Data Augmentation)技术最全盘点
在这种方法中,采用了经过预训练的词嵌入,例如Word2Vec,GloVe,FastText,Sent2Vec,并使用嵌入空间中最近的相邻词作为句子中某些词的替换。诸如nlpaug(https://github.com/makcedward/nlpaug)和textattack(https://github.com/QData/TextAttack)之类的库提供了简单而一致的API,以在Python中应用上述NLP数据增强方法。在此方法中,在一个小批量中获取两个随机句子,并将它们零填充为相同的长度。原创 2022-11-05 15:28:09 · 405 阅读 · 0 评论 -
自然语言处理中数据增强(Data Augmentation)技术最全盘点
在这种方法中,采用了经过预训练的词嵌入,例如Word2Vec,GloVe,FastText,Sent2Vec,并使用嵌入空间中最近的相邻词作为句子中某些词的替换。诸如nlpaug(https://github.com/makcedward/nlpaug)和textattack(https://github.com/QData/TextAttack)之类的库提供了简单而一致的API,以在Python中应用上述NLP数据增强方法。在此方法中,在一个小批量中获取两个随机句子,并将它们零填充为相同的长度。原创 2022-11-12 17:45:24 · 531 阅读 · 0 评论 -
2022年历史最全可信图神经网络论文、工具、资源等整理分享
GNN的历史最早可以追溯到 2005 年,Gori 等人第一次提出 GNN 概念,用 RNN 来处理无向图、有向图、标签图和循环图等。图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。除了图卷积神经网络,GNN主流算法还包括有图自编码器、图生成网络、图循环网络以及图注意力网络。原创 2022-09-24 20:05:41 · 617 阅读 · 0 评论 -
历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享
联邦学习(Federated Learning)是一种分布式机器学习技术,其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练,在不需要交换本地个体或样本数据的前提下,仅通过交换模型参数或中间结果的方式,构建基于虚拟融合数据下的全局模型,从而实现数据隐私保护和数据共享计算的平衡,即“数据可用不可见”、“数据不动模型动”的应用新范式。原创 2022-09-18 10:58:48 · 265 阅读 · 0 评论 -
2022年自然语言处理校招社招实习必备知识点盘点分享
本资源整理了自然语言处理领域中常见的一些知识点,并给出了答案,分享给大家。对于准备自然语言处理校招、社招、实习岗位的朋友,可以好好研读一下。原创 2022-08-07 19:30:30 · 165 阅读 · 0 评论 -
-2021最新对比学习(Contrastive Learning)相关必读论文整理分享
举例来说,在自编码器中对数据样本编码成特征再解码重构,这里认为重构的效果比较好则说明模型学到了比较好的特征表达,而重构的效果通过pixellabel的loss来衡量。自监督学习属于无监督学习范式的一种,特点是不需要人工标注的类别标签信息,直接利用数据本身作为监督信息,来学习样本数据的特征表达,并用于下游任务。ContrastiveLearning(对比式方法)这类方法则是通过将数据分别与正例样本和负例样本在特征空间进行对比,来学习样本的特征表示。...原创 2022-07-23 13:08:27 · 187 阅读 · 0 评论 -
算法初学者&互联网求职者必备《 剑指 Offer 31天图文题解》免费分享
LeetBook《图解算法数据结构》面向算法初学者、互联网求职者设计,主要内容包括:📗 剑指 Offer 图文题解 图文详解 75 道题目,覆盖主要算法知识点,非常适合作为算法学习的 第一份题库 。 题库活跃于各大互联网公司招聘中,可使笔面试准备事半功倍。 致力于行文深入浅出、图文搭配,提供简洁的 Python3, Java, C++ 解题代码。 资源整理自网络,下载及获取见源地址:https://github.com/krahets/LeetCode-Book .原创 2022-07-09 17:10:09 · 324 阅读 · 0 评论 -
人工智能行业博士研究生学术科研及工作就业规划经验分享
博士旅程是一段围绕个人认知、能力与身心而开展的难得的修行。在这当中,内涵丰富、切实有效的指导性资源有益于将博士生们的独孤求索旅程带入新的境地,使其能够更有准备,更加勇敢,更持有信心地去面对随读博选择而伴生的不同研究任务与多方面的挑战,最终得以迭代升级,顺利修行。 将上述提到的指导性资源划分为:[高考模式]、 [一个执着的决定]、 [如何开个好头]、 [好的研究想法如何产生]、 [如何读论文]、 [如何做实验]、 [如何写论文]、 [如何投论文]、 [如何做Rebuttal]、 [同行评审]、 [审稿状原创 2022-07-02 22:01:42 · 320 阅读 · 0 评论 -
写给当前及未来博士研究生一些建议整理分享
博士学位是一种既有价值又有挑战性的经历。如果你是即将入学的博士生,或者你只是考虑要读博,本资源整理了一些读博期间需要注意的提示和建议,需要自取。 资源整理自网络,下载及获取见源地址:https://github.com/pliang279/awesome-phd-advice#PhD-survival-guides目录内容截图往期精品内容推荐一文详解 baseline论文 复现实战(NLP)李宏毅最新-《深度学习/机器学习课程2021》课程视频及ppt免费分享生产环境中机器学习模型部署方法、原创 2022-06-25 19:42:30 · 273 阅读 · 0 评论 -
历史最全自然语言处理测评基准分享-数据集、基准(预训练)模型、语料库、排行榜
本资源会中文自然语言处理一列具有代表性的任务,以及对应的数据集,做为测试基准的数据集。这些数据集会覆盖不同的任务、数据量、任务难度。包含了中文自然语言处理相关的任务,涉及数据集、基准(预训练)模型、语料库、排行榜,绝对值得收藏。 本资源整理自网络,源地址:https://github.com/chineseGLUE/chineseGLUE 中文任务基准测评(ChineseGLUE)-排行榜 Leaderboard 分类任务(v1版本,正式版) 注:' 代表对原数据集筛选后获得,数据集原创 2022-06-04 16:30:43 · 1411 阅读 · 0 评论 -
22年最新-自然语言处理系统性入门学习指南中文版分享
本教程致力于帮助同学们快速入门NLP,并掌握各个任务的SOTA模型。1.系统入门方法 2. 各任务模型list汇总:文本分类、文本匹配、序列标注、文本生成(todo)、语言模型 3. 各任务综述&技巧:文本分类、文本匹配、序列标注、文本生成、语言模型如何系统地入门机器学习是一门既重理论又重实践的学科,想一口吃下这个老虎是不可能的,因此学习应该是个循环且逐渐细化的过程。资源整理自网络,源地址:https://github...原创 2022-05-28 16:02:28 · 125 阅读 · 0 评论 -
2022年最新目标跟踪顶会论文及模型整理分享
啥是Object Tracking(目标追踪)?简单点,一幅画面,指定里面一个目标,比如人、动物、车、飞机等等,然后一直死死锁定这个目标,不丢。有啥用?相机跟踪对焦,车辆跟踪,人体、人脸跟踪,手势跟踪等等;比如:经常看见电视上,警察叔叔要抓一些犯事儿的人,监控一调,嫌疑人和其车辆等一锁定,他们之前、之后的行踪就都跑不掉了~(当然这里面往往不只有跟踪)智能交互系统中的手势跟踪:大疆那个用手(掌)控制无人机飞行的功能体验还不...原创 2022-05-08 19:46:52 · 1729 阅读 · 0 评论 -
历史最全GAN模型PyTorch代码实现整理分享
如果你是第一次接触AE自编码器和GAN生成对抗网络,那这将会是一个非常有用且效率的学习资源。所有的内容使用PyTorch编写,编写格式清晰,非常适合PyTorch新手作为学习资源。本项目的所有模型目前都是基于MNIST数据库进行图片生成。MNIST数据集是一个比较小,一个光CPU就能跑起来的小数据库。新人友好数据库。本项目总共包含以下模型:AE(自编码器), DAE(降噪自编码器), VAE(变分自编码器), GAN(对抗生成网络), CGAN(条件对抗生成网络), DCGAN(深度卷积对抗...原创 2022-05-01 17:15:23 · 2543 阅读 · 0 评论 -
历史最全Java资源大全中文版整理分享
很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列的资源整理。本资源对Java相关的资源列表进行翻译和整理,内容包括:构建工具、数据库、框架、模板、安全、代码分析、日志、第三方库、书籍、Java 站点等。分享给需要的朋友。资源整理自网络,源地址:https://github.com/jobbole/awesome-java-cn内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。目录内容截图...原创 2022-04-23 15:08:50 · 1027 阅读 · 0 评论 -
多目标跟踪(MOT)相关论文、课程、数据集等资源整理分享
多目标跟踪(Multiple Object Tracking or Multiple Target Tracking, MOT or MTT)主要任务是在给定视频中同时对多个感兴趣的目标进行定位,并且维持他们的ID、记录他们的轨迹。这些目标可以是路上的行人,路上的车辆,操场上的运动员,或者多组动物(鸟,蝙蝠,蚂蚁,鱼,细胞,等等),甚至是一个单目标中的不同部分。本资源整理了比较重要的多目标跟踪论文和资源,包括相关的经典论文、公开数据集,评价指标等,分享给大家。资源整理自网络,...原创 2022-04-09 12:23:29 · 462 阅读 · 0 评论 -
深度学习能量模型/能力学习相关论文、会议、博客资源整理分享
基于能量的模型(EBM)是生成模型(GM)的一种形式。GM通过分析样本数据集学习基础数据分布。训练后,GM可以产生其他与数据分布相匹配的数据集。EBM为许多此类学习的概率和非概率方法(尤其是图形和其他结构化模型的训练)提供了统一的框架。 EBM学习目标数据集的特征并生成相似但更大的数据集,通过检测数据集的潜在变量并生成具有相似分布的新数据集。EBM通过将未归一化的概率标量(能量)与观察变量和潜在变量组合的每种配置相关联来捕获依赖性。推论包括找到潜在变量,这些潜变量在给定一组观察值的...原创 2022-02-13 10:13:23 · 587 阅读 · 0 评论 -
因果推断 神经逻辑 强人工智能逻辑推理等前沿论文整理分享
Neural-Symbolic可以认为是将人工智能中原本对立的连接主义和符号主义结合的一个新兴研究方向(实际上最早相关工作可追至1978年)。Neural-Symbolic意指神经符号主义,但是更本质地讲,实际上是将现代数学中的分析学和代数学结合,分析学擅长处理数值、函数、逼近等问题,代数学擅长处理推演、抽象、结构等问题;因此如果能适当结合,威力必然可观。本资源整理了因果推断,神经逻辑,强人工智能逻辑推理前沿领域经典论文,分享给大家。内容涉及多次跳转,点击文末“阅读原文“...原创 2022-02-13 10:05:05 · 585 阅读 · 0 评论 -
一文回顾深度学习发展史上最重要经典模型
这篇文章的目的是回顾经过时间考验的,被广泛采用的想法。我将介绍一小部分技术,这些技术涵盖了解现代深度学习研究所必需的许多基本知识。如果你是该领域的新手,那么这是一个很好的起点。深度学习是一个瞬息万变的领域,大量的研究论文和想法可能会令人不知所措。即使是经验丰富的研究人员,也很难告诉公司PR什么是真正的突破。这篇文章的目的是回顾经受住时间考验的想法,这也许是人们应该依靠的唯一参考标准。这些想法或对它们的改进已被反复使用。他们已经“家喻户晓”。如果你今天要开始学...原创 2022-02-07 18:58:53 · 687 阅读 · 0 评论 -
深度学习神经网络结构设计及可视化开源工具整理分享
在训练庞大的深度神经网络,为了能够更好的理解运算过程,需要使用可视化的工具将其过程进行描述,比如,在tensorflow中使用TensorBoard 来绘制图像生成的定量指标图以及附加数据。本资源整理了深度学习神经网络结构设计或可视化相关的开源工具,分享给大家。资源整理自网络,源地址:https://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network内...原创 2022-01-29 20:30:35 · 1083 阅读 · 0 评论 -
机器学习领域各领域必读经典综述论文整理分享
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习及其相关领域,如深度学习、自然语言处理、计算机视觉、推荐系统、强化学习等领域最近几年非常火,每年各式各样的国际顶会,投稿数每年都会海量增加。要持续Follow这些领域最新的技术,刷遍各大会议最新会议非常费时费力,特别是对于刚入门的同学。因此,为了方便同学们了...原创 2021-12-11 18:41:50 · 2310 阅读 · 0 评论 -
2021最新深度学习自然语言处理模型及原理细节汇编
本简书整理了基于深度学习模型的自然语言处理(NLP)的模型研究的最新趋势。它涵盖了深度学习模型(如递归神经网络(RNN),卷积神经网络(CNN)和强化学习)背后的理论描述和实现细节,用于解决各种NLP任务和应用常见。本简书包含NLP任务(例如机器翻译,问题解答和对话系统)的最新研究进展。本简书内容主要包括:整合与NLP研究相关最新的重要信息,例如:最新的结果,新的概念和应用,新的基准数据集,代码/数据集等等。创建一个友好而开放的资源,以帮助指导研究人员和任何有...原创 2021-12-11 17:37:38 · 339 阅读 · 0 评论 -
BiliBili 100+国际名校免费公开课整理分享
本资源这是一份公开课的目录,这里的视频大多来自 YouTube 等国内无法访问的网站,为了方便国内的朋友观看,作者将这些视频搬运到了BiliBili。资源整理自网络,源地址:https://github.com/wenhan-wu/OpenCourseCatalog数学 / Math新南威尔士大学 数学史 (UNSW, Math History: A course in the History of Mathematics)数学分析 / Mathe...原创 2021-12-11 17:36:04 · 1023 阅读 · 0 评论 -
麻省理工-机器学习导论
课程描述 学生将学习从人类语言文本、语音、网页、社交网络中提取意义、信息和结构。介绍方法(字符串算法、编辑距离、语言建模、机器学习分类器、神经embedding、倒排索引、协同过滤、PageRank)、应用(聊天机器人、情感分析、信息检索、问答、文本分类、社交网络、推荐系统)以及两者中的伦理问题。bkhq:麻省理工新课-《机器学习导论》课程视频及ppt分享课程首页http://people.csail.mit.edu/tbroderick//ml.html课...原创 2021-11-13 12:19:40 · 1410 阅读 · 0 评论 -
机器学习精髓-机器学习百页书
《The Hundred-Page Machine Learning Book》(中文名:《机器学习百页书》)一本精简的机器学习入门手册,本书囊括机器学习的精髓,系统而精炼地讲解机器学习的基本原理,包含大量自 20 世纪 60 年代以来具有重要实用价值的机器学习材料。它既适用于初学者,也适用于有经验的从业者。bshq:机器学习精髓-机器学习百页书-最新版下载本书具有以下特色:篇幅短小 读者以快速读完并掌握机器学习技术的精髓,书中内容是作者和其他从业者多...原创 2021-11-06 18:40:32 · 282 阅读 · 0 评论 -
免费-机器学习入门-第二版
本书介绍本书通过提供实用的建议,简单易懂的示例以及对相关算法进行有趣的讨论,以一种易于理解的方式介绍了基本的机器学习相关的算法、模型。主要主题包括贝叶斯分类器,最近邻分类器,线性和多项式分类器,决策树,神经网络和支持向量机等机器学习常用模型。后面的章节主要讲解如何通过“增强”的方式来组合这些简单的模型,如何在更复杂的领域中利用它们,以及如何处理各种高级实践问题。有一章专门介绍流行的遗传算法。bshq:免费好书-《机器学习入门-第二版》最新pdf分享该修订版包含有...原创 2021-10-24 15:21:53 · 165 阅读 · 0 评论 -
机器学习教程-人工智能领域概率统计学
本书介绍本书是为NYU数据科学中心的数据科学的概率和统计课程而编写的。目标是从基本原理出发,介绍概率和统计学基本概念。简单定义为:数据科学是从数据中提取有用知识的一系列技能和技术。这些技能通常用德鲁·康威(Drew Conway)创造的维恩图(或它的变体)来表示:bshq:机器学习教程-《人工智能领域概率统计学》免费pdf分享三个圆圈分别代表三个不同的领域:编程领域(语言知识、语言库、设计模式、体系结构等);数学(代数、微积分等)和统计学领域;数据领域(特定领...原创 2021-10-24 15:18:10 · 194 阅读 · 0 评论 -
NLP必读经典论文整理分享(附详细中文解析)
本资源主要是为了整理机器学习面试相关知识点的有用链接 (注:目前不打算将一些基础算法的内容加入这个repo里,比如LR、SVM算法在《统计学习方法》里已经得到了很好的解释,面试时可能考到的手推公式在书里已经写的很好了,所以推荐直接看书即可)资源整理自网络,源地址:https://github.com/km1994/nlp_paper_study内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。目录内容截图...原创 2021-10-24 15:15:55 · 521 阅读 · 0 评论 -
21年机器学习必读-模式,预测,动作-一个关于机器学习的故事
本书介绍这是一本面向机器学习领域所有学生的书。涵盖的材料支持一个学期的机器学习研究生所有知识点。适合各种背景的读者;一些概率、微积分和线性代数的经验就足够了。从概念上来说,本书既是对新事物的旧看法,也是对旧事物的新看法。从一个角度来看,回到根源,强调模式分类。今天机器学习的实践与20世纪60年代的模式分类惊人地相似,只是最近几十年有一些显著的创新。bshq:21年机器学习必读书籍-《模式,预测,动作-一个关于机器学习的故事》免费分享这并不是低估最...原创 2021-10-17 11:24:31 · 155 阅读 · 0 评论 -
历史最全机器学习/深度学习/人工智能专业术语表中英对照表
本资源收录了机器学习课程用到的相关术语,涉及机器学习基础、机器学习理论、Applied Math、SVM、Ensemble、DNN、Regularization、Matrix Factorization、Optimization、CNN、 Auto Encoder、RNN、Representation、Network Embedding、GAN、Adversarial Learning、Online Learning、Reinforcement Learning、AutoML、Graphic M...原创 2021-10-17 11:13:45 · 98 阅读 · 0 评论 -
刘知远老师-自然语言处理表示学习
语义表示是自然语言处理的基础,我们需要将原始文本数据中的有用信息转换为计算机能够理解的语义表示,才能实现各种自然语言处理应用。表示学习旨在从大规模数据中自动学习数据的语义特征表示,并支持机器学习进一步用于数据训练和预测。以深度学习为代表的表示学习技术,能够灵活地建立对大规模文本、音频、图像、视频等无结构数据的语义表示,显著提升语音识别、图像处理和自然语言处理的性能,近年来引发了人工智能的新浪潮。本书是第一本完整介绍自然语言处理表示学习技术的著作。书中全面介绍了表示学习技术在自然语言处理领域的最新...原创 2021-10-17 10:41:19 · 252 阅读 · 0 评论 -
少样本学习(FSL)相关综述、数据集、模型/算法和应用资源整理分享
Few Shot Learning(FSL)又称少样本学习,这是做AI研究经常遇到的一个问题。深度学习技术需要大量的数据来训练一个好的模型。例如典型的 MNIST 分类问题,一共有 10 个类,训练集一共有 6000 个样本,平均下来每个类大约 600 个样本,但是我们想一下我们人类自己,我们区分 0 到 9 的数字图片的时候需要看 6000 张图片才知道怎么区分吗?很显然,不需要!这表明当前的深度学习技术和我们人类智能差距还是很大的,要想弥补这一差距,少样本学习是一个很关键的问题。...原创 2021-10-17 10:26:02 · 571 阅读 · 0 评论 -
21年机器学习必读-模式,预测,动作-一个关于机器学习的故事
本书介绍这是一本面向机器学习领域所有学生的书。涵盖的材料支持一个学期的机器学习研究生所有知识点。适合各种背景的读者;一些概率、微积分和线性代数的经验就足够了。从概念上来说,本书既是对新事物的旧看法,也是对旧事物的新看法。从一个角度来看,回到根源,强调模式分类。今天机器学习的实践与20世纪60年代的模式分类惊人地相似,只是最近几十年有一些显著的创新。bshq:21年机器学习必读书籍-《模式,预测,动作-一个关于机器学习的故事》免费分享这并不是低估最近...原创 2021-10-10 15:12:26 · 90 阅读 · 0 评论