發(fā)簡信
IP屬地：寧夏
-
詳解梯度下降優(yōu)化算法
1. 文章 An overview of gradient descent optimization algorithms 2. 概要 梯度優(yōu)化...
-
【可視化】網絡Attention層1. 前言 準備中期答辯虐秋，補充了一個實驗，需要對網絡結構中的attention層進行可視化稻艰，觀察序列輸入的哪些詞或者詞組合是網絡比較care的...
-
詳解深度學習中“注意力機制”1. 前言 本文翻譯自《Attention?Attention!》博客 最近幾年，注意力——在深度學習社區(qū)中侈净，已然成為最廣為流行的概念和實用工具...
-
Java核心技術--對象與類
4.5 方法參數 方法參數的使用 一個方法不能修改一個基本數據類型的參數（即數值型和布爾型） 一個方法可以改變一個對象參數的狀態(tài) 一個方法不能讓...
-
Java核心技術--接口與內部類
6.1 接口implement 繼承接口尊勿，即履行“義務” 接口中所有的方法自動屬于public，在接口聲明中畜侦，不必提供關鍵字public 接口中...
-
機器學習面試006—樸素貝葉斯
1. 怎么理解樸素貝葉斯中的“樸素”元扔？ 因為它假定所有的特征在數據集中的作用是獨立同分布的，但這個假設在現實生活中很不真實旋膳，因此很“樸素”澎语。 2...
-
算法面試小結
1. 求一個數轉化為二進制后，包含1的數量 2. 求平均值 解析：x&y是取相同位與验懊，結果是x和y相同位的和的一半擅羞；x^y是取x和y的不同位，右...
-
機器學習面試001—支持向量機SVM
1. 關于min和max交換位置滿足的 d* <= p* 的條件并不是KKT條件 Ans：這里并非是KKT條件义图，要讓等號成立需要滿足strong...
-
機器學習面試005—決策樹
1. 請問（決策樹祟滴、隨機森林，Boosting歌溉、Adaboot）GBDT和XGBoost的區(qū)別是什么？ Ans：①首先，隨機森林是一個包含多個決...