wzxsjdt的专栏

基础性研究： 网络架构 优化理论 对抗训练 数据增强 半监督学习 域迁移 遗传算法 增强学习 meta learning auto-ml 多任务学习 多模态学习：不同类型的数据集，一起用进来（图像+文本，结构化信息+文本） 集成学习 图网络 知识图谱 机器推理：1+1=2 2+2=4 => 4+4=8 NLP算法： 预训练语言模型，xlnet 文本...

本文对机器学习模型常见的评价指标进行梳理：准确率、召回率、F-score、AUC、ROC、敏感度、特异度等

一 引言 语言的本质是信息的编码，如何把自然语言用更好的计算机能理解的数学表示出来，是自然语言处理的重要内容。 从最常用的one-hot到各种基于统计的参数模型，再到最近的基于神经网络的word2vec、bert等模型，都是为了更好的表征自然语言。 简而言之，嵌入向量空间的词向量vector是表达自然语言最好的方式。 语言表征的终极目标： 本文先分析词向量的发展，再分析word2ve...

本文仅对NLP应用广泛的RNN结构进行简单汇总比较：好看的图是copy的网上现有最形象的，不好看的是我自己画的。 一、RNN标准版---传统RNN 可以有效处理序列的深度学习。双向RNN未画出，方向相反，用于上下文参考。 二、LSTM长短时记忆与GRU----现代RNN 有效解决RNN中长序列的梯度消失和梯度爆炸问题，解决方式是改变传统RNN时刻间的连乘改为叠加的形式。...