最近在籌備轉(zhuǎn)行 AI PM 由于之前的產(chǎn)品線也有做過類似 AI 的智能客服產(chǎn)品垫竞,所以打算先從人機(jī)對(duì)話這個(gè)角度入手硅则。 以下文章結(jié)合了一些 case...
最近在籌備轉(zhuǎn)行 AI PM 由于之前的產(chǎn)品線也有做過類似 AI 的智能客服產(chǎn)品垫竞,所以打算先從人機(jī)對(duì)話這個(gè)角度入手硅则。 以下文章結(jié)合了一些 case...
1/深層神經(jīng)網(wǎng)絡(luò)的梯度不穩(wěn)定問題: 參見: http://blog.csdn.net/lujiandong1/article/details/5...
1/過擬合的原因: (1)數(shù)據(jù)問題:數(shù)據(jù)量太少,不能抽象出全量特征 (2)模型問題:模型的參數(shù)過多,模型參數(shù)過大 (使得模型不夠光滑) (3)算...
1/神經(jīng)網(wǎng)絡(luò)構(gòu)架: 前向神經(jīng)網(wǎng)絡(luò),典型代表CNN;循環(huán)神經(jīng)網(wǎng)絡(luò):典型代表RNN;對(duì)稱神經(jīng)網(wǎng)絡(luò):典型代表DBN 2/常見激活函數(shù):(激活函數(shù)不可以...
隱馬爾可夫模型介紹 HMM的3個(gè)基本問題: 1/概率計(jì)算:前向算法,后向算法 2/學(xué)習(xí)問題:已知狀態(tài)序列的時(shí)候可以用監(jiān)督算法求參,不知道狀態(tài)序列...
1/線性鏈條件隨機(jī)場(chǎng)(判別式模型)vs隱馬爾可夫模型(生成式模型):區(qū)別可參考樸素貝葉斯vs邏輯回歸. 注意:條件隨機(jī)場(chǎng)和HMM并無關(guān)系,線性鏈...
典型代表: 生成式模型典型代表:樸素貝葉斯,隱馬爾可夫模型等 判別式模型典型代表:邏輯回歸,條件隨機(jī)場(chǎng)模型等 各自特點(diǎn): 生成式模型:由聯(lián)合概率...