腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
机器学习养成记
专栏成员
举报
153
文章
220746
阅读量
43
订阅数
订阅专栏
申请加入专栏
全部文章(153)
编程算法(69)
python(31)
其他(17)
机器学习(13)
r 语言(13)
数据分析(13)
网络安全(12)
https(12)
神经网络(10)
模型(7)
推荐系统(6)
深度学习(5)
爬虫(4)
数据(4)
html(3)
二叉树(3)
排序(3)
算法(3)
图表(3)
解释器(3)
NLP 服务(2)
数据挖掘(2)
go(2)
sql(2)
github(2)
人工智能(2)
numpy(2)
决策树(2)
数据可视化(2)
变量(2)
原理(2)
tensorflow(1)
mac os(1)
数据库(1)
ide(1)
git(1)
api(1)
matlab(1)
搜索引擎(1)
linux(1)
spring(1)
图像处理(1)
电商(1)
企业(1)
http(1)
容器(1)
存储(1)
开源(1)
缓存(1)
黑客(1)
spark(1)
图像识别(1)
强化学习(1)
正则表达式(1)
opencv(1)
线性回归(1)
keras(1)
模式识别(1)
anaconda(1)
安全(1)
腾讯云开发者社区(1)
cat(1)
dataset(1)
embedding(1)
global(1)
media(1)
models(1)
nlp(1)
sequence(1)
similarity(1)
sum(1)
validation(1)
word(1)
报表(1)
编码(1)
产品(1)
代理(1)
基础(1)
配置(1)
数组(1)
异常(1)
搜索文章
搜索
搜索
关闭
NLP基础:NNLM模型介绍
神经网络
https
NLP 服务
网络安全
导读:在NLP中,语言模型用来判断一句话是否是正常人说的,广泛应用于信息检索、机器翻译、语音识别等重要任务中。传统的语言模型主要基于统计方法(如:NLP基础:N-Gram模型),虽然可解释性强、易于理解,但存在泛化能力差等问题。随着深度学习技术的发展,相关技术也应用到语言模型中,如NNLM模型。本文就将对NNLM展开介绍。
三猫
2022-08-31
1.1K
0
神经网络-BP神经网络
神经网络
编程算法
BP神经网络是一种通过误差反向传播算法进行误差校正的多层前馈神经网络,其最核心的特点就是:信号是前向传播,而误差是反向传播。前向传播过程中,输入信号经由输入层、隐藏层逐层处理,到输出层时,如果结果未到达期望要求,则进入反向传播过程,将误差信号原路返回,修改各层权重。
三猫
2021-03-04
1.7K
0
线性神经网络及学习规则
神经网络
作为感知器及BP神经网络的学习过度,记录几个关于线性神经网络及学习规则的知识点。 1 线性神经网络 感知器的激活函数只能输出两种可能的值,而线性神经网络的激活函数是线性函数(y=x),因此可以取任意
三猫
2020-08-25
758
0
神经网络-感知器(二):Python代码实现
神经网络
之前介绍过神经网络中单层感知器的原理,不清楚的小伙伴可点击?神经网络-感知器进行回顾,本次来通过一个简单的小例子进行感知器的代码实现。 1 训练问题 题目:有正样本(3,3)(4,3),和负样本(1
三猫
2020-08-18
1.1K
0
关键词提取Part2(A Deeper Discussion)
机器学习
神经网络
深度学习
人工智能
数据挖掘
以下文章来自知乎,作者Bill Tong。Bill Tong,上海交通大学管理科学与工程博士,曾出版《在线文本数据挖掘》一书。
三猫
2020-02-26
381
0
XGBoost(一):与同类算法的差异对比
机器学习
编程算法
神经网络
html
XGBoost全称为Extreme Gradient Boosting,从名字便可以看出XGBoost算法应用了Boost算法思想。我们在学习Boost时,通常会与Bagging放到一起,两者均是通过将基分类器(又叫弱分类器)组合到一起形成强分类器的方法。因此首先将Boost与Bagging两种方法的差异点进行列举。两者的差异主要体现在样本选择、计算流程和强分类器生成方法上:
三猫
2020-02-17
1.7K
0
为什么相比于RNN,LSTM在梯度消失上表现更好
机器学习
神经网络
深度学习
人工智能
对于深度学习模型,在train参数的时候,需要采用随机梯度下降方法(SGD,Stochastic Gradient Descent):
三猫
2019-05-13
3.3K
0
PU-learing:解决正负样本不足利器(R语言)
编程算法
机器学习
神经网络
深度学习
在实际分类场景中,经常会遇到类似这样的问题:只有标记了的正样本,和未标记的样本。比如金融风控场景,有一部分用户被标记为欺诈用户,剩下的用户未被标记,虽然这其中大多数信用良好,但仍有少量可能为欺诈用户。虽然为了方便操作,可以将未标记的样本都作为负样本进行训练,但会降低准确度,如何辨别未标记样本中的正负样本,提升模型准确度,就成为一个值得思考的问题。PU-learning算法于2002年提出,最早用来解决文本分类问题,并延伸到基因识别、反欺诈等诸多领域,是解决样本未标记问题的利器,本文将对此算法进行介绍,并通过R语言进行实例演示。
三猫
2019-05-06
1.5K
0
神经网络-感知器
神经网络
编程算法
1986年,Rumelhart,Hinton,Williams受到医学界人脑神经网络的启发,提出了神经网络,从神经网络发展出的深度学习,更是成为了当前热点,在科研与商业领域占据重要位置。现在我们就从神
三猫
2018-04-10
767
0
神经网络简介(翻译)
神经网络
编程算法
深度学习
图像识别
“ 看到网上的一篇博文,简单的介绍了当前热门的神经网络。翻译成中文与大家分享。原文链接:http://blog.kaggle.com/2017/11/27/introduction-to-neural-net ---- 人工神经网络风靡一时。人们不禁要问,这个琅琅上口的名字到底在算法领域中拥有什么样的地位。我曾经看到业务经理很热切地提到他们的产品使用“人工神经网络”和“深度学习”。他们是否会同样热切的说他们的产品使用“连接的圈子模型”还是“失败并惩罚的机器”?但毫无疑问,人工神经网络在图像识别,自然语言处
三猫
2018-04-10
908
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档