暂时未有相关云产品技术能力~
暂无个人介绍
条件随机场|机器学习推导系列(二十一)
无监督学习-自编码器|深度学习(李宏毅)(十九)
无监督学习-邻域嵌入方法|深度学习(李宏毅)(十八)
谱聚类|机器学习推导系列(二十)
粒子滤波|机器学习推导系列(十九)
无监督学习-线性方法|深度学习(李宏毅)(十七)
BERT:深度双向预训练语言模型
CogLTX:应用BERT处理长文本
递归神经网络|深度学习(李宏毅)(十六)
Transformer:Attention Is All You Need
ConvBERT:使用基于区间的动态卷积来提升BERT
卡尔曼滤波|机器学习推导系列(十八)
条件生成-1|深度学习(李宏毅)(十四)
隐马尔可夫模型|机器学习推导系列(十七)
MCMC-2|机器学习推导系列(十六)
MCMC-1|机器学习推导系列(十五)
模型压缩|深度学习(李宏毅)(十三)
变分推断|机器学习推导系列(十四)
高斯混合模型|机器学习推导系列(十三)
机器学习攻防|深度学习(李宏毅)(十二)
EM算法|机器学习推导系列(十二)
概率图模型-推断|机器学习推导系列(十一)
用户和用户组管理|Linux常用命令(一)
概率图模型-表示|机器学习推导系列(十)
可解释的机器学习|深度学习(李宏毅)(十一)
指数族分布|机器学习推导系列(九)
核方法|机器学习推导系列(八)
ELMO,BERT,GPT|深度学习(李宏毅)(十)
支持向量机|机器学习推导系列(七)
约束优化问题|机器学习推导系列(六)
主成分分析|机器学习推导系列(五)
半监督学习|深度学习(李宏毅)(九)
线性分类|机器学习推导系列(四)
Transformer|深度学习(李宏毅)(八)
线性回归|机器学习推导系列(三)
词嵌入(Word Embedding)是将自然语言表示的单词转换为计算机能够理解的向量或矩阵形式的技术。在Word Embedding之前,常用的方法有one-hot、n-gram、co-occurrence matrix,但是他们都有各自的缺点。Word Embedding是一种无监督的方法。
高斯分布|机器学习推导系列(二)
绪论|机器学习推导系列(一)
本教程实现在Ubuntu上部署rtmp服务器并在Windows上用脚本推流到rtmp服务器。
循环神经网络应用|深度学习(李宏毅)(六)
循环神经网络|深度学习(李宏毅)(五)
卷积神经网络|深度学习(李宏毅)(四)
基于Spring Boot和JSP的作业管理系统
深度网络训练技巧|深度学习(李宏毅)(三)
分类|深度学习(李宏毅)(二)
回归|深度学习(李宏毅)(一)
使用线性回归模型预测房价
本文针对基于Spring MVC的作业管理系统分析其启动流程,包括serlvet注册、IoC容器创建、bean初始化、MVC的流程。
javaEE环境配置并连接MySQL数据库
使用Servlet、JSP和JDBC实现作业管理系统