摘要：
ABCNN是将注意力机制应用在卷积网络中的模型，在 answer selection（AS）、paraphrase identification（PI）和textual entailment（TE）等领域有很大价值。 阅读全文
摘要：
概述 深度结构化语义模型（Deep Structed Semantic Models），可用于匹配搜索问题和搜索答案，即匹配 query-doc 对。 DSSM 可分为输入层、表示层、匹配层。 输入层 输入层负责将输入句子转化为数据向量。传统方法一般是做独热编码，然而这里为了减小数据量并对没有在训练 阅读全文
摘要：
再次使用tensorflow的时候，已经用过三四个机器学习工具了，最近应实习公司的要求，从Pytorch又回来了！ 吐槽 这次学习tensorflow和keras的过程是痛苦的。 我先去学tensorflow，tf 的工具真是细致，除了求导不用自己写啥都要慢慢搭建，想写一个稍微复杂一点的模型都要一个 阅读全文
摘要：
Pandas主要有下面几种数据类型： Series（一维数组） DataFrame（二维数组） Panel（三维数组） Panel4D（四维数组） PanelND（N维数组） Series 其中， 可以是字典，或者NumPy 里的 ndarray 对象等。 是数据索引，索引是 Pandas 数据结构 阅读全文
摘要：
论文地址： "https://arxiv.org/abs/1911.04474" Abstract BiLSTMs结构在NLP的任务中广泛应用，最近，全连接模型Transformer大火，它的 self attention 机制和强大的并行计算能力使其在众多模型中脱颖而出，但是，原始版本的 Tran 阅读全文
摘要：
在很多场景都遇到$L_1,L_2$正则化，但是一直不知道这二者具体是什么原理，最近看了相关教程，记录一下。希望也能帮到还不懂的朋友:grimacing:。 前置技能 范数 数(norm)是数学中的一种基本概念。在泛函分析中，它定义在赋范线性空间中，并满足一定的条件，即①非负性；②齐次性；③三角不等式 阅读全文
摘要：
dropout dropout指的是在神经网络层中，随即删掉一定比例的神经元，让它们不发挥传递作用，使网络模型变得稀疏的一种模型方法。 网络中的神经元以概率$p$，变为$0$，以$q$的概率保留，其中$q = 1 p$。 为什么使用dropout 众所周知，深度学习一直有那么几个很让人头疼的问题，其 阅读全文
摘要：
最小圆覆盖 给定$n$个二维平面上的点，求一个面积最小的圆，可以覆盖所有点。 常见的是增量法实现的时间复杂度与空间复杂度均为$O(n)$的算法。 用$C_i$表示前$i$个点组成的最小圆。 1. 将所有点随机排序。 2. 按照顺序依次加入点，每次加入$i_{th}$点时进入操作3。 3. 如果当前点 阅读全文
摘要：
数据降维 数据降维在机器学习中非常有用，可以用来舍弃数据中一些区分度较小的特征，转化数据的观察视角，使其在更少量的特征维度上也有较好的表现。数据降维也可以用在将高维数据可视化的操作中，这都是不可或缺的重要算法， PCA PCA（Principal Components Analysis）主成分分析法 阅读全文