《The Strange Loop in Deep Learning》The Strange Loop in Deep Learning
电子书：
</div>《The Strange Loop in Deep Learning》电子版地址
2023-01-02
35
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
The Strange Loop in Deep Learning
目录
相关文章
《5Ways to Get Started with Reinforcement Learning》电子版地址
5Ways to Get Started with Reinforcement Learning
51
0
0
《Understanding,generalisation,and transfer learning in deep neural networks》电子版地址
Understanding,generalisation,and transfer learning in deep neural networks
61
0
0
《Deep Reinforcement Learning for Dialogue Generation》电子版地址
Deep Reinforcement Learning for Dialogue Generation
43
0
0
《Deep Learning vs.Machine Learning-the essential differences you need to know!》电子版地址
Deep Learning vs.Machine Learning-the essential differences you need to know!
88
0
0
《Graph Neural Networks- Combing Deep Learning & Symbolic Reasoning》电子版地址
Graph Neural Networks- Combing Deep Learning & Symbolic Reasoning
67
0
0
|
机器学习/深度学习
自然语言处理
资源调度
【Papernotes】Applying Deep Learning To Airbnb Search
这篇论文详细地记录了 Airbnb 将深度学习引入搜索排名的实践经验，有失败以及对失败的反思，还有在反思的基础上取得的成功。
386
0
0
|
机器学习/深度学习
人工智能
自然语言处理
18 Issues in Current Deep Reinforcement Learning from ZhiHu
深度强化学习的18个关键问题
from: https://zhuanlan.zhihu.com/p/32153603
85 人赞了该文章
深度强化学习的问题在哪里？未来怎么走？哪些方面可以突破？
这两天我阅读了两篇篇猛文A Brief Survey of Deep Reinforcement Learning 和 Deep Reinforcement Learning: An Overview ，作者排山倒海的引用了200多篇文献，阐述强化学习未来的方向。
2025
0
0
|
决策智能
论文笔记之：Collaborative Deep Reinforcement Learning for Joint Object Search
Collaborative Deep Reinforcement Learning for Joint Object Search
CVPR 2017
Motivation：
传统的 bottom-up object region proposals 的方法，由于提取了较多的 proposal，导致后续计算必须依赖于抢的计算能力，如 GPU 等。
3149
0
1
热门文章
最新文章
1
《CMOS集成电路后端设计与实战》——3.3 标准单元设计流程
2
无人驾驶背后的技术 - PostGIS点云(pointcloud)应用
3
反垃圾邮件技术已转移到云计算中
4
MYSQL数据库主从复制(一)
5
Keepalived+MySQL主从切换演示【书里讲解】
6
数据库总结20160728
7
c++11新特性(4) lambda捕捉块
8
0225Snapshot Too Old Error ora-01555.txt
9
libvirtVirsh
10
What are TCHAR, WCHAR, LPSTR, LPWSTR, LPCTSTR (etc.)?
1
【大模型】讨论 LLM 在更广泛的通用人工智能 （AGI） 领域中的作用
30
2
【大模型】在实际应用中大规模部署 LLM 会带来哪些挑战？
23
3
【大模型】小样本学习的概念及其在微调 LLM 中的应用
24
4
【大模型】LLM 如何处理域外或无意义的提示？
19
5
【大模型】在使用大语言模型的过程中，我们需要考虑到哪些道德问题？
18
6
【大模型】大语言模型存在的一些限制
14
7
【大模型】描述一些评估 LLM 性能的技术
11
8
【大模型】如何使用提示工程来改善 LLM 输出？
9
9
【大模型】大语言模型训练数据中的偏差概念及其可能的影响？
8
10
【大模型】在大语言模型的架构中，Transformer有何作用？
14