论文笔记二 Positive, Negative and Neutral: Modeling Implicit Feedback inSession-based News Recommendatio。 论文笔记二 Positive, Negative and Neutral: Modeling Implicit Feedback inSession-based News Recommendatio。
论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS 论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS，基于RNN的会话推荐。
U-net网络框架 学习笔记 一 U-net 提出的背景及好处 原论文为：U-Net: Convolutional Networks for Biomedical Image Segmentation1.1提出背景： Unet提出的初衷是为了解决医学图像分割的问题； 一种U型的网络结构来获取上下文的信息和位置信息 为了解决细胞层面的分割的任务1.2在医学领域的优势 ：1.医疗影像语义较为简单、结构固定。需要去筛选过滤无用的信息。医疗影像的所有特征都很重要，因此低级特征和高级语义特征都很重要...
基于噪声伪标签和对抗学习的医学图像分割标注高效学习 Annotation-Efficient Learning for Medical ImageSegmentation Based on Noisy Pseudo Labelsand Adversarial Learning 论文学习
梯度下降与一元线性回归 回归分析只涉及到两个变量的，称一元回归分析。一元回归的主要任务是从两个相关变量中的一个变量去估计另一个变量，被估计的变量，称因变量，可设为Y；估计出的变量，称自变量，设为X。回归分析就是要找出一个数学模型Y=f(X)，使得从X估计Y可以用一个函数式去计算。当Y=f(X)的形式是一个直线方程时，称为一元线性回归一元一元线性回归的主要利用两种方法1 最小二乘法2 梯度下降法我主要开始学习梯度下降法梯度下降法：梯度下降的基本过程就和下山的场景很类似。首先，我们有一个可微分的函数。...
关注
