![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 80
996station
996技术站,极客带你看世界
展开
-
自然语言处理nlp小姜机器人(闲聊) nlp_xiaojiang-996station GitHub鉴赏官
推荐理由:自然语言处理(nlp),小姜机器人(闲聊检索式chatbot),BERT句向量-相似度(Sentence Similarity),XLNET句向量-相似度(text xlnet embedding),文本分类(Text classification), 实体提取(ner,bert+bilstm+crf),数据增强(text augment, data enhance),同义句同义词生成,句子主干提取(mainpart),中文汉语短文本相似度,文本特征工程,keras-http-service调用原创 2022-12-06 22:26:39 · 612 阅读 · 0 评论 -
神经网络基础
一、神经网络人工神经网络( Artificial Neural Network, 简写为ANN)也简称为神经网络(NN)。是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)结构和功能的 计算模型。经典的神经网络结构包含三个层次的神经网络。分别为输入层,输出层以及隐藏层。其中每层的圆圈代表一个神经元,隐藏层和输出层的神经元有输入的数据计算后输出,输入层的神经元只是输入。神经网络...原创 2018-09-17 10:57:54 · 538 阅读 · 1 评论 -
神经网络原理
神经网络原理神经网络的主要用途在于分类,那么整个神经网络分类的原理是怎么样的?我们还是围绕着损失、优化这两块去说。神经网络输出结果如何分类?神经网络解决多分类问题最常用的方法是设置n个输出节点,其中n为类别的个数。任意事件发生的概率都在0和1之间,且总有某一个事件发生(概率的和为1)。如果将分类问题中“一个样例属于某一个类别”看成一个概率事件,那么训练数据的正确答案就符合一个概率...转载 2018-09-17 10:57:39 · 7324 阅读 · 0 评论 -
深度学习与机器学习的区别
1.特征提取方面机器学习的特征工程步骤是要靠手动完成的,而且需要大量领域专业知识 深度学习通常由多个层组成,它们通常将更简单的模型组合在一起,将数据从一层传递到另一层来构建更复杂的模型。通过训练大量数据自动得出模型,不需要人工特征提取环节。深度学习算法试图从数据中学习高级功能,这是深度学习的一个非常独特的部分。因此,减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语...原创 2018-09-15 15:54:53 · 13041 阅读 · 1 评论 -
深度学习框架介绍
1. 常见深度学习框架对比框架名 主语言 从语言 灵活性 上手难易 开发者 Tensorflow C++ cuda/python 好 难 Google Caffe C++ cuda/python/Matlab 一般 中等 贾杨清 PyTorch python C/C++ ...转载 2018-09-15 15:59:55 · 1696 阅读 · 1 评论 -
常见的机器学习面试题
1.请详细说说支持向量机(support vector machine,SVM)的原理。一般不会问,但是你要用自己的话说出来。2.哪些机器学习算法不需要做归一化处理?解析:在实际应用中,通过梯度下降法求解的模型一般都是需要归一化的,比如线性回归、logistic回归、KNN、SVM、神经网络等模型。但树形模型不需要归一化,因为它们不关心变量的值,而是关心变量的分布和变量之间的条...原创 2018-09-22 20:17:39 · 802 阅读 · 1 评论