littlesujin的专栏

学习了关于 RNN 算法及其应用。RNN，即循环神经网络，是一种专门用于处理序列数据的神经网络。其基本原理是通过循环连接，让网络能够记住之前的输入信息，并将其用于后续的计算，从而捕捉序列数据中的时间依赖关系。在医学和医学影像领域，RNN 也有着广泛的应用前景。例如，RNN 可以用于心电信号 (ECG) 的分类，识别正常心跳、心律失常等异常情况。此外，RNN 还可以用于分析医学影像数据，例如识别病变区域、预测疾病进展等。

学习了 LSTM+CRF 序列标注方法，它是一种结合了循环神经网络（RNN）和条件随机场（CRF）的强大模型，用于处理序列标注问题，例如命名实体识别（NER）、词性标注等。

今天学习了扩散模型（Diffusion Model），这是一种基于概率论的生成模型，通过不断添加噪声和去噪的过程，最终生成与真实数据分布相似的新数据样本。文档中提到了两个想象一下，我们想要生成新的猫猫图片。扩散模型会先随机选择一张真实的猫猫图片，然后逐步添加噪声，使其变得越来越模糊，直到完全变成一团噪声。接下来，模型会学习如何从这个噪声中恢复出猫猫图片的细节，最终生成一张新的猫猫图片，看起来就像是从真实数据中抽取的一样。