weixin_42183708的博客

Joint entity recognition and relation extraction as a multi-head selection problem动机摘要贡献模型Embedding LayerBiLSTM LayerCRF LayerSigmoid Layer损失函数future动机摘要本文提出了一种联合神经模型，它可以同时进行实体识别和关系提取，不需要人工提取任何特征，也不需要使用任何外部工具。具体地说，我们使用CRF(Conditional Random Fields，条件随机场

Joint entity recognition and relation extraction as a multi-head selection problem摘要贡献模型Embedding LayerBiLSTM LayerCRF LayerSigmoid Layer损失函数future摘要本文提出了一种联合神经模型，它可以同时进行实体识别和关系提取，不需要人工提取任何特征，也不需要使用任何外部工具。具体地说，我们使用CRF(Conditional Random Fields，条件随机场)层将实体

总结其实，主要还是学习了关于卷积神经网络的解释，后续会继续看完相关课程。

CNN-卷积神经网络卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）解决了什么问题？在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：1、图像需要处理的数据量太大，导致成本很高，效率很低2、图像在数字化的过程中很难保留原有

概述本轮课程主要学习了网络的优化，和最初的想法略有不同，以为会学习关于网络设计相关的知识，结果学到的是一些训练时候网络的技巧。包括batch和动量，学习率的调整，损失函数以及标准化。1.梯度下降法的局限这部分主要介绍了在梯度下降过程中，梯度为0导致训练不下去的情况下驻点的问题。其中，一种为鞍点，可以继续下降，一种为局部最小值。通过泰勒展式，可以发现可以借助Hessian来判断点为局部最小值还是鞍点。判断方法为计算Hessian的特征值，也就是是否为正定矩阵。实际训练过程并不适用，计算量过大

深度学习介绍一是对深度学习的历程进行了介绍，二是介绍了深度学习的基本概念。历史介绍1958: Perceptron (linear model)1969: Perceptron has limitation1980s: Multi-layer perceptronDo not have significant difference from DNN today1986: BackpropagationUsually more than 3 hidden layers is not

误差在训练集训练模型时，尽可能让Loss最小。但是，当我们把训练好的Model用于Test时，会出现误差。误差与模型的选择、训练集的数据量都有关系。本节内容探讨了：1、误差的两种成分，Bias和Variance；2、实际工程里的一些建议。误差ppt截图1，展示偏差和方差区别2，Bias比较大的常见情形（Underfitting）——模型过于简单。改进建议：增加模型的复杂度。3，Variance比较大的常见情形（Overfitting）——模型过于复杂、数据太少。改进建议：a、增加Data；b、

内容概括本部分主要介绍了回归的定义以及回归的步骤，偏向于实用性，未进行数学类推导。主要内容回归定义通过已有数据找到一个最佳函数，然后进行预测，预测结果为一个连续性数值。预测结果为连续性也是和分类的区别。回归步骤step1：模型假设，选择模型框架（线性模型）step2：模型评估，如何判断众多模型的好坏（损失函数）step3：模型优化，如何筛选最优的模型（梯度下降）过拟合问题引入正则项来避免过拟合（即岭回归和LASSO回归）...

机器学习介绍主要介绍了机器学习的基本内容，包括发展历史，基础步骤以及主要内容。重要ppt1，人工智慧是研究目标，机器学习是手段，深度学习是其中的一个分支。2，机器学习主要内容：模型，策略，算法。此处引用《统计学习方法》中定义。3，机器学习内容...

git常用命令设置用户签名初始化本地库查看本地库状态添加到暂存区提交本地库版本切换日志查看设置用户签名设置用户名称git config --global user.name xxx设置用户邮箱git config --global user.email xxx@sasas.com此处用户名与邮箱和github不需要一致初始化本地库使用 cd 进入指定目录后使用git init 进行本地库的初始化初始化后，可以使用vim aaa.txt来文件创建文件操作同linux查看本地库状态

OpenMP知识常用总结介绍内容运行环境框架常用编译器指令并行区域结构工作共享结构介绍一种应用程序接口(API)，可用于显式地指示多线程、共享内存并行性。基于共享内存，可以与mpi共同使用。内容运行环境win 10、vs2017框架#include<omp.h>int main(){ //串行区域 int var1,var2; //并行区域 #pragma omp parallel { /* 多线程 */ } //并行结束，串行区域 retu