發(fā)簡信
IP屬地：天津
-
深度模型的優(yōu)化（1）：批標準化（Batch Normalization烦绳，BN）1 導入1.1 獨立同分布??統(tǒng)計機器學習的經(jīng)典假設(shè)：source domain和target domain的數(shù)據(jù)分布是一致的，也就是說，訓練數(shù)...
-
歸一化 （Normalization）、標準化 （Standardization）和中心化/零均值化 （Zero-centered）1 概念??歸一化：１）把數(shù)據(jù)變成(０墓臭，１)或者（1,1）之間的小數(shù)男公。主要是為了數(shù)據(jù)處理方便提出來的耙考，把數(shù)據(jù)映射到0～1范圍之內(nèi)處理艾岂，更加便捷快...
-
損失函數(shù)（1）：交叉熵
1、自信息??定義：由克勞德·香農(nóng)提出朋其，是與概率空間中的單一事件或離散隨機變量的值相關(guān)的信息量的量度王浴。用信息的單位表示，例如bit（以2為底）梅猿、...
-
Word Embedding: Word2Vec1. 導入 ??這是語言表示系列的第1篇氓辣，主要講述了分布式表示里的Word2vec方法。該系列目前暫定有4篇語言的分布式表示（Distribut...
-
喵喵學動態(tài)規(guī)劃（待補完）
1. 導入 2. DP可解 ??確認一個問題是否DP可解是使用DP算法前最重要的一步袱蚓。 2.1 相關(guān)概念 ??狀態(tài)：內(nèi)存中存儲的變量構(gòu)成了計算機...
-
