shushi6969的博客

创新点：1.Real-time Personalization: 以前工作是user-item、item-item embeding；改进工作：在线用户交互item2.Adapting Training for Congregated Search：加入负例，做成pairwise3.Leveraging Conversions as Global Context：booking为最终目标4.User Type Embeddings：相同类型user生成same embedding5...

lstm是从网上找到的两篇blog看到的，仅供参考学习。其中每一处的操作都是模型自动学习操作，模型训练时间较长。同时双向lstm就是从前到后、从后到前分别生成一个lstm，进行cat相连接就可以参考文献：https://zhuanlan.zhihu.com/p/97815919lstm具体流程图https://www.jianshu.com/p/4b4701beba92lstm简介以及变种...

参考文献：https://www.jianshu.com/p/b38760250281

import numpy as npfrom random import shuffleimport tensorflow as tftrain_path = 'C:/Users/user/Documents/irris_train.txt'test_path = 'C:/Users/user/Documents/irris_test.txt'logs_path = 'C:/Users...

本文是在参考文献2的基础上进行扩展和改进的，并将代码进行注释，方便学习。并将每层的size进行简要注释参数设定N_CLASSES = 5IMG_W = 208IMG_H = 208BATCH_SIZE = 8CAPACITY = 64MAX_STEP = 200learning_rate = 0.0001(1)获取数据def get_files(file_dir): A5 = [] ...

本章的主要目的是在于用tensorflow实现一个简单的神经网络算法。        下图是一个简单的前馈神经网络图，改图中有3层结构，第一层为输入层，第二层为隐藏层，第三层则为输出层，图中的W1，……，W9为连接边的权值。下图展示如何进行神经网络的前向传播计算。1.前向传播计算的手动计算及矩阵表示以及Tensorflow计算代码（1）计算输入层-->隐藏层的权重a11 = W1 * X1 ...

        Tensorflow的名字中包含两个概念-tensor和flow。Tensor是张量的意思，在tensorflow中可以被简单的理解为数组。Flow就是张量之间通过计算相互转化的过程。分别介绍tensorflow的计算模型、数据模型和运行模型。1.计算模型        Tensorflow是一个通过计算图的形式啦表述计算的编程系统，Tensorflow将所有的计算转化为计算图，图...

激活函数是用来解决线性不可分问题的一个方法，常用来svm以及神经网络中。常见的激活函数有sigmoid函数、tanh函数、softmax函数以及ReLU函数，上述方法都可以作为隐层神经元的输出。1.sigmoid函数导数为：图像及导数图像：图像结果在(0,1)之间，激活函数计算量大，反向传播求误差梯度时，会出现除法；并且在深层次网络中容易产生梯度消失问题（当梯度小于1时，预测值与真实值之间的误差每...

        卷积神经网络也是一种前馈神经网络，是一种专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据和图像数据。该神经网络使用了卷积数学运算，是一种特殊的线性运算。卷积神经网络的稀疏交互、参数共享及等变表示等特性使之可以有效地降低网络的复杂度，减少训练参数的数目，使模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化网络结构。       下...

梯度下降法的定义就是从百科上拿下来的，梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。反过来，如果我们需要求解损失函数...