1. 摘要 在圖像超分辨領(lǐng)域鲸阻，卷積神經(jīng)網(wǎng)絡(luò)的深度非常重要当娱，但過深的網(wǎng)絡(luò)卻難以訓(xùn)練脓鹃。低分辨率的輸入以及特征包含豐富的低頻信息，但卻在通道間被平等對待造垛，因此阻礙了網(wǎng)絡(luò)的表示能力。...
發(fā)簡信
IP屬地：北京
-
【超分辨率】《Image Super-Resolution Using Very Deep Residual Channel Attention Networks》論文閱讀 -
-
不能搜索自己的文章硝烂，已經(jīng)棄用了...<br>what I cannot create, I don't understand.<br><br>
-
知識圖譜基礎(chǔ)（一）-什么是知識圖譜筆者是一只已經(jīng)離職的AI產(chǎn)品經(jīng)理，主要擅長的方向是知識圖譜與自然語言處理铜幽，寫這些文章是為了總結(jié)歸納目前已經(jīng)搭建的知識體系滞谢，也在于科普。如有不對除抛，請指正狮杨。 知識圖譜的定義 知識...
-
05 集成學(xué)習(xí) - Boosting - GBDT初探04 集成學(xué)習(xí) - Boosting - AdaBoost算法構(gòu)建 回顧：1、Bagging-隨機森林是一個并行模型到忽，Boosting是一個串行模型橄教，所以Boosting模型...
-
-
一篇文章护蝶，教你學(xué)會Git
本文轉(zhuǎn)載于掘金Ruheng，總結(jié)非常好翩迈，故不再重復(fù)造輪子持灰。 在日常工作中，經(jīng)常會用到Git操作负饲。但是對于新人來講堤魁，剛上來對Git很陌生，操作起來也很懵逼返十。本篇文章主要針對剛開...
-
07 主題模型 - 知識補充 - 概率知識妥泉、二項\多項\Beta\Dirichlet分布06 主題模型 - pLSA又稱pLSI - 基于概率的潛在語義分析模型 為了講后續(xù)的LDA算法，需要補充一點數(shù)學(xué)知識洞坑。大綱如下： 概率知識二項分布多項分布Beta分布Bet...
-
未來是由很多個現(xiàn)在組成的。<br>深度學(xué)習(xí)探索者<br><a href="http://blog.csdn.net/yinruiyang94/" rel="nofollow" target="_blank">http://blog.csdn.net/yinruiyang94/</a><br>歡迎交流
-
解讀張小龍2018年會語錄今天是騰訊2018年的員工大會刽沾，微信創(chuàng)始人張小龍的演講語錄刷屏全網(wǎng)本慕。 其中有幾句： 1、自古套路得人心悠轩，這是一個套路的舞臺间狂，如果要做套路，請高級一點火架；2鉴象、互聯(lián)網(wǎng)的發(fā)展史，就是...
-
TensorFlow深度學(xué)習(xí)筆記 文本與序列的深度模型Deep Models for Text and Sequence 轉(zhuǎn)載請注明作者：夢里風(fēng)林 Github工程地址：https://github.com/ahangchen/...
-
最大熵模型和條件隨機場最大熵模型： 前言引入： 如何理解最大熵模型何鸡，先從一個給預(yù)測值從 實數(shù)域到概率值 的轉(zhuǎn)換 再用最大熵構(gòu)造特征的思想的角度來理解最大熵模型纺弊。 考慮一個解決k分類問題的手段，對每...
-
【轉(zhuǎn)載】卷積神經(jīng)網(wǎng)絡(luò)系列之softmax骡男，softmax loss和cross entropy的講解我們知道卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像領(lǐng)域的應(yīng)用已經(jīng)非常廣泛了淆游，一般一個CNN網(wǎng)絡(luò)主要包含卷積層，池化層（pooling）隔盛，全連接層犹菱，損失層等。雖然現(xiàn)在已經(jīng)開源了很多深度學(xué)習(xí)框...
-
分享深度學(xué)習(xí)與人工智能相關(guān)知識，分享快樂龙亲。<br><br>個人郵箱：zhouas@hotmail.com
-
全基因組關(guān)聯(lián)分析 (GWAS) - 簡介在碩士就讀期間陕凹，就已經(jīng)做過 GWAS 相關(guān)的分析。當(dāng)時標(biāo)記量非常少鳄炉， windows 系統(tǒng)分析就足夠了杜耙，作圖方面涉及的腳本也基本是蔡師兄幫寫的。后來拂盯，隨著高通量測序成本的降低...
-
