上一页 1 2 3 4 5 6 7 ··· 29 下一页
摘要: 本周收获 总结一下本周学习内容: 1、:《机器学习》第16章:强化学习 16.1 任务与奖赏 16.2 K-摇臂赌博机 16.3 有模型学习 16.4 免模型学习 16.5 值函数近似 16.6 模仿学习 :car:博客: 机器学习:强化学习 2、《深度学习》第六章:循环神经网络 6.6 通过时间反 阅读全文
posted @ 2022-09-11 09:58 朝南烟 阅读(17) 评论(0) 推荐(0) 编辑
摘要: 一些经典的RNN模型... 1、门控循环神经网络 :star: 门控循环神经网络可以更好地捕获时间步距离很长的序列上的依赖关系。 重置门有助于捕获序列中的短期依赖关系。 更新门有助于捕获序列中的长期依赖关系。 重置门打开时,门控循环单元包含基本循环神经网络;更新门打开时,门控循环单元可以跳过子序列。 阅读全文
posted @ 2022-09-11 09:19 朝南烟 阅读(24) 评论(0) 推荐(0) 编辑
摘要: 本周收获 总结一下本周学习内容: 1、《机器学习》第15章:规则学习 15.1 基本概念 15.2 序贯覆盖 15.3 剪枝优化 15.4 一阶规则学习 15.5 归纳逻辑程序设计 :car:博客: 机器学习:规则学习 2、《深度学习》第六章:循环神经网络 6.1 语言模型 6.2 循环神经网络 6 阅读全文
posted @ 2022-09-02 09:29 朝南烟 阅读(37) 评论(0) 推荐(0) 编辑
摘要: 1、语言模型 语言模型(language model)是自然语言处理的重要技术。 自然语言处理中最常见的数据是文本数据。 我们可以把一段自然语言文本看作一段离散的时间序列。 假设一段长度为$T$的文本中的词依次为$w_1, w_2, \ldots, w_T$,那么在离散的时间序列中,$w_t$($1 阅读全文
posted @ 2022-09-02 09:23 朝南烟 阅读(103) 评论(0) 推荐(0) 编辑
摘要: 1. 基本概念 机器学习中的“规则”(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……,则……”形式的逻辑规则. “规则学习” (rule learning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。 解决冲突的办法称为“冲突消解”(conflict 阅读全文
posted @ 2022-09-02 08:59 朝南烟 阅读(717) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 29 下一页
body { color: #000; background-color: #e6e6e6; font-family: "Helvetica Neue",Helvetica,Verdana,Arial,sans-serif; font-size: 12px; min-height: 101%; background: url(https://images.cnblogs.com/cnblogs_com/caolanying/1841633/o_2009041…ly1geq8oc9owbj21hc0u0th5.jpg) fixed; } #home { margin: 0 auto; opacity: 0.8; width: 65%; min-width: 1080px; background-color: #fff; padding: 30px; margin-top: 50px; margin-bottom: 50px; box-shadow: 0 2px 6px rgba(100, 100, 100, 0.3); }