- 博客(4)
- 收藏
- 关注
RSS订阅原创 Transformer模型的学习
在开始深入 Transformer 之前，建议先打好深度学习和自然语言处理（NLP）的基础，然后按照以下学习路径逐步掌握其核心原理、实现细节与实际应用。整个过程可分为：基础知识准备、自注意力与多头注意力理解、Encoder–Decoder 架构与位置编码学习、从零实现 Transformer、使用主流框架（TensorFlow、PyTorch）进行实践、以及综合项目与进阶变体研究。
2025-05-06 23:20:23
2012
原创 UMAP降维方法
UMAP（Uniform Manifold Approximation and Projection）是一种基于流形学习与拓扑数据分析的非线性降维算法，其理论基础扎根于黎曼几何和代数拓扑，能够在保持局部和全局结构的同时，对高维数据进行高效、可扩展的映射。其核心思想是：首先假设数据分布在高维黎曼流形上，并近似认为局部流形度量恒定；然后在高维与低维空间分别构建模糊单纯形复形（fuzzy simplicial sets），并通过最小化两者之间的交叉熵来优化低维表示，从而实现流形结构的保留与展平。
2025-05-05 23:40:42
2532
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人