论文翻译与理解
davendw
渴求思想与思想的碰撞,完善智慧人生
展开
-
Do CIFAR-10 Classifiers Generalize to CIFAR-10?【翻译】
这是一篇真的很有意思的AI WINTER主题的文章。文章主要论证,机器学习方面的研究目前主要由几项关键任务的性能改进为关注点的实验性工作为主导。 但是,表现最佳的模型的让人印象深刻的准确性,遭到了质疑,原因是相同的测试集已经用了多年来衡量这些模型。为了理解过度拟合的存在性危害,作者通过创建一个真正未经学习的图像新测试集来衡量CIFAR-10分类器的准确性。并给出了自己的发现。翻译 2018-06-17 03:19:27 · 1460 阅读 · 0 评论 -
结合协同过滤和个性化AGENT的增强推荐(再续)
结果H1 用户群体意见比单一个性化服务器提供更好的推荐(错误)我们假设使用的意见50位用户群体的协同过滤将比任何个人代理提供更好的结果。为了比较这些,我们应先找到最好的个人代理。我们评估了三个DGBots,RipperBot、9个独立的genreBots还有个性化的Mega-GenreBot(见表1)。其中,只有RipperBot、Mega-GenreBot和DGBot这些使用...翻译 2017-11-08 23:17:54 · 752 阅读 · 0 评论 -
结合协同过滤和个性化AGENT的增强推荐(续)
(续)假设和实验设计在这篇论文中,我们系统的探索了协同过滤、信息过滤和不同的这些技术的组合体以用来制成一个新的更有效的个人推荐系统。具体而言,我们关注以下四个关键的模型(如图一所示):图一 四个推荐系统的模型 最顶上的模型是使用用户意见、最底下的模型是只使用IF服务器、最左边的模型是使用多重IF服务器以及最左边的只使用一个IF服务器。在每个模型中用户都会收到个性化的推荐。...翻译 2017-11-06 22:57:23 · 784 阅读 · 0 评论 -
结合协同过滤和个性化AGENT的增强推荐
摘要 信息过滤代理和协同过滤都是旨在通过甄别哪些事物是用户需要且有价值的以减轻超负荷的信息给用户所带来的负担。信息过滤(IF)着重点在于物件内容和个人用户的兴趣描述的发展的分析。协同过滤(CF)着重点在于识别除该个体以外的拥有相近喜好的用户和利用他们的选项去甄别物件。每一个方法都有其优势以及局限性,因此联想到两个方法可以相互结合。这篇论文展示的是协同过滤框...翻译 2017-11-06 01:04:22 · 841 阅读 · 0 评论