07 2020 档案
摘要：发表在 ICML 2018 动机 深度隐变量模型 VAE 和 GAN 在连续结构上表现很好，但应用到离散结构（如文本序列或离散图像）上却表现较差，在此篇论文中，作者针对此提出了一个灵活的方法来训练深度隐变量模型。 方法 基于之前提出的 WAE（Wasserstein Autoencoder，将对抗性
阅读全文
摘要：发表在 NAACL 2019 MOTIVATION 在这之前，对于文本风格迁移后的效果没有一个很好的统一评价指标，因此，这篇文章做了一个总结，基于之前的一些工作提出从 style transfer intensity 、content preservation、 naturalness 这三个方面来
阅读全文
摘要：发表在 NIPS 2017 动机 作者聚焦于非平行语料文本的风格迁移，针对其研究难点：如何将文本内容与属性分离开来，提出假设跨不同文本语料库共享潜在内容分布，并利用潜在表示的精确对齐来执行风格迁移的方法 方法（交叉对齐） \[ y_1、y_2 为其对应
阅读全文
摘要：发表在 ICML 2017 动机 AE 和 RNN 很难捕捉到 隐空间的语义表示，因此不适用于从任意hidden层表示形式生成通用文本，而相较于视觉领域，使用深度生成模型(VAEs、GANs、auto-regressive)在文本生成上还有许多的限制，很大情况下是任意的以及不可控的。本篇文章尝试通过
阅读全文
摘要：功能：四舍五入取值，常用在逻辑回归值为 0 或 1 中 def around(a: Union[ndarray, Iterable, int, float], decimals: Optional[int] = 0, out: Optional[ndarray] = None) → Any 参数：
阅读全文
摘要：在 python 中，与数据类型相关函数及属性有三个： 名称 作用 type() 返回参数的数据类型 dtype() 返回数组中元素的数据类型 astype() 对数据类型进行转换 实例： import numpy as np a = np.arange(5) type(a) Out[4]: num
阅读全文
摘要：格式化字符串的函数 str.format()，增强了字符串格式化的功能 通过 和 ：来代替以前的 % format() 函数可以接收不限个参数，位置可以不按顺序 实例： # 作为拼接字符串进行使用 '{1} {1} {0} {0}'.format("hello", "world") # 'world
阅读全文
摘要：根据 x（列表）和 y（列表）组成点，然后连接成线 实例： import matplotlib.pyplot as plt c = [1, 2, 6, 8, 10] g = [1, 2, 10, 9, 8] plt.figure(0) # 创建画布 plt.plot(c, g) # 连接成线 plt
阅读全文
摘要：np.c_[a, b] 是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等，类似于 pandas 中的 concat() np.r_[a, b] 是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等,类似于 pandas 中的 merge() 实例： import numpy as np a
阅读全文
摘要：dot() 返回的是两个数组的点积，有两种方法来使用它。 np.dot(a, b) 或 a.dot(b) 如果是处理一维数组，则返回的是两数组的内积 import numpy as np a = np.arange(0 ,10) # array([0, 1, 2, 3, 4, 5, 6, 7, 8,
阅读全文
摘要：Reference：李航 --《统计学习方法》 10 种主要的统计学习方法概括总结 方法 适用问题 模型特点 模型类型 学习策略 学习的损失函数 学习算法 感知机 二类分类 分离超平面 判别模型 极小化误分点到超平面距离 误分点到超平面距离 随机梯度下降 k 近邻 多类分类，回归 特征空间，样本点
阅读全文
