迷途无归的博客

本文主要介绍一篇年代久远但意义重大的论文A Neural Probabilistic Language Model（2003），其意义重大的一点在将神经网络引入语言模型的训练中，并得到了词向量这个副产物，即万物皆可Embedding的由来就在这里。本文采用最通俗的例子来讲这个神经元模型的原理、代码和缺点。一、原理1、原型图1、首先拿到一篇文章，需要把文章中的词全部提取出来并去重，得到VVV ，初始化词向量CCC（一个∣V∣|V|∣V∣x mmm大小的矩阵，m），...

机器学习一、人工智能、机器学习与深度学习人工智能       机器学习              经典机器学习              基于神经网络的机器学习                     浅层学习                     深层学习(深度学习)              强化学习              迁移学习二、机器学习基本类型1.有...