- 博客(10)
- 收藏
- 关注
RSS订阅原创 论文阅读笔记【3】：网络表示学习
内容导航数学形式应用场景研究方法已有模型数学形式f:G=(V,E)→Rk f:G=(V,E) \to R^k f:G=(V,E)→Rk应用场景针对社交媒体用户，我们可以利用用户行为信息等对其进行用户画像，判断用户的性别、年龄、职业等属性信息，以及他们的兴趣爱好；基于用户画像结果，可以对用户进行个性化推荐，来推荐他们可能认识的好友或者感兴趣的新闻、产品等。研究方法基于符号的显式网络用邻接矩阵来表示网络，有N个节点就构造N×NN \times NN×N的矩阵优点：可解释性强缺点：
2021-12-17 20:53:39
369
原创 论文阅读笔记【2】：ReLU网络复杂性的上下界
论文阅读笔记基本信息题目：Error bounds for approximations with deep ReLU networks作者：Dmitry Yarotsky关键词：逼近复杂性，深度ReLU神经网络背景深度神经网络在图像识别领域的成功，引发了对其性质的研究。我们已经知道深层的神经网络比浅层能更好地逼近目标函数，由于神经网络可以有任意多的层和权重和神经元，那么自然想到这么一个问题，为了逼近特定的函数，需要怎样复杂的模型，才能达到一个特定的精度。在分类问题上，已有的研究
2021-06-25 22:15:04
699
原创 论文阅读笔记【1】：在线凸优化算法Greedy Projection
基本信息题目： Online Convex Programming and Generalized Infinitesimal Gradient Ascent作者： Martin Zinkevich关键词： 在线凸优化，greedy projection背景凸优化是线性规划问题的一般形式，广泛应用在机器学习领域和实际经济问题上。一个凸优化问题包含两个部分，一个是作为定义域的凸集，另一个是作为损失函数的凸函数。本文讨论的是在线凸优化问题（损失函数是互不相同的定义在同一个定义域上的序列
2021-06-12 10:36:51
1651
原创 记录一次失败的深度学习经历之Kaggle:猫狗大战
实验环境解释器版本： Python 3.8.5操作系统： ubuntu 18.04硬件型号： Xeon E7 v3，RTX 3060学习框架： PyTorch 1.8.1，scikit-learn 0.24.1，torchvision 0.9.1，cuda11.2数据来源： https://www.kaggle.com/c/dogs-vs-cats/data基本模块导入模块import osimport sysimport randomimport numpy
2021-05-05 11:00:04
602
2
原创 【全网最全】《统计学习方法》习题答案
习题3.2利用例题3.2构造的kd树求出点x=(3,4.5)Tx=(3,4.5)^Tx=(3,4.5)T的最近邻点从根节点出发，因为x(1)<7x^{(1)}<7x(1)<7, 所以进入左孩子一侧，又因为x(2)>4.5x^{(2)}>4.5x(2)>4.5，所以选定叶节点(4,7)(4,7)(4,7)作为“当前最近点”，开始递归。向上回退到(4,7)(4,7)(4,7)的父节点(5,4)(5,4)(5,4)，设其为当前节点，因为父节点离xxx更近一些，所以更
2021-03-26 21:29:26
6889
7
原创 C++花式报错大赏
不为人知的C++细节（持续更新中）引言细节在类中构造不定长数组引言写作这篇文档的目的是记录下我自己在C++编程过程中，不断成（犯）长（傻）的历程，防止自己忘记这些宝贵的经验。文档中每一处细节都经过百（随）般（便）打（写）磨（写），有解决问题的想法和具体代码，希望帮（别）助（误）到（导）有需要的人。细节在类中构造不定长数组目前探索出来的操作是在头文件对应的类里声明一个指针，然后在构造函数中，根据输入的参数，用new得到特定长度数组的地址。比如class Mesh_1{private:
2021-03-22 00:00:31
2847
原创 用两个量子比特生成EPR对
用两个量子比特生成EPR对取出两个量子比特，均为∣0⟩|0\rangle∣0⟩，然后进行如下操作：步骤一：对第一个∣0⟩|0\rangle∣0⟩进行σx\sigma_xσx变换第一个量子比特变成∣1⟩|1\rangle∣1⟩，如下所示σx∣0⟩=(0110)(01)=(10)=∣1⟩\sigma_x |0\rangle=\begin{pmatrix}0 & 1 \\1 & 0 \\\end{pmatrix}\begin{pmatrix}0 \\1 \\\end{p
2020-10-18 19:22:29
953
原创 PageRank算法和MapReduce框架
PageRank算法和MapReduce框架摘要引言文献综述研究方法PageRank算法核心思想随机浏览者假设计算方法生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入摘要对于一个特定的查询，搜索结果的排名取决于两方面的信息，第一个是关键字与网页的相关性，第二个是网页本身的质量，本文着重于第二点，也就是介绍一种被证明行之有效的
2020-07-30 12:51:50
1358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人