深度学习
-
DLRS(近三年深度学习应用于推荐系统论文汇总)
Recommender Systems with Deep Learning Improving Scalability of Personalized Recommendation Systems for Enterprise Knowledge Workers – Authors: C Verma, M Hart, S Bhatkar, A Parker…
-
经典深度学习CNN总结 – LeNet、AlexNet、GoogLeNet、VGG、ResNet
参考了: https://www.cnblogs.com/52machinelearning/p/5821591.html https://blog.csdn.net/qq_24695385/article/details/80368618 LeNet 参考:https://www.jianshu.com/p/ce609f9b5910 AlexN…
-
深度学习之GAN对抗神经网络
1、结构图 2、知识点 生成器(G):将噪音数据生成一个想要的数据 判别器(D):将生成器的结果进行判别, 3、代码及案例 # coding: utf-8 # ## 对抗生成网络案例 ## # # # <img src=”jpg/3.png” alt=”FAO” width=”590″ > # – 判别器 : 火眼金睛,分辨出生成和真实的 &…
-
深度学习之NLP获取词向量
1、代码 def clean_text(text, remove_stopwords=False): “”” 数据清洗 “”” text = BeautifulSoup(text, ‘html.parser’).get_text() text = re.sub(r'[^a-zA-Z]’, ‘ ‘, text) words = text.lower().spl…
-
深度学习之DCGAN
1、知识点 “”” DCGAN:相比GAN而言,使用了卷积网络替代全连接 卷积:256*256*3 — > 28*28*14 –>结果 ,即H,W变小,特征图变多 反卷积(就是把卷积的前向和反向传播完全颠倒了) :4*4*1024 —> 28 * 28 *1 –>结果 即H,W变大,特征图变少 特点: 1、判别模型:使用带…
-
机器学习/深度学习 问题总结及解答
转载连接 问题总结及资料链接 (1)机器学习部分 1 逻辑回归部分常问,推导要会 推导:https://zhuanlan.zhihu.com/p/34325602 2 SVM部分常问,推导要会,精简版看下面链接,但是写的不是很详细,最好把cs229讲义好好看看 推导:https://www.zhihu.com/question/21094489 @靠靠靠…
-
推荐系统遇上深度学习(十)–GBDT+LR融合方案实战
0.8012018.05.19 16:17:18字数 2068阅读 22568 推荐系统遇上深度学习系列:推荐系统遇上深度学习(一)–FM模型理论和实践:https://www.jianshu.com/p/152ae633fb00推荐系统遇上深度学习(二)–FFM模型理论和实践:https://www.jianshu.com/p/781cde3d5f3d…
-
深度学习课程笔记(七):模仿学习(imitation learning) 深度学习课程笔记(七):模仿学习(imitation learning)
深度学习课程笔记(七):模仿学习(imitation learning) 2017.12.10 本文所涉及到的 模仿学习,则是从给定的展示中进行学习。机器在这个过程中,也和环境进行交互,但是,并没有显示的得到 reward。在某些任务上,也很难定义 reward。如:自动驾驶,撞死一人,reward为多少,撞到一辆车,reward 为多少…
-
PyTorch中使用深度学习(CNN和LSTM)的自动图像标题
深度学习现在是一个非常猖獗的领域 – 有如此多的应用程序日复一日地出现。深入了解深度学习的最佳方法是亲自动手。尽可能多地参与项目,并尝试自己完成。这将帮助您更深入地掌握主题,并帮助您成为更好的深度学习实践者。 在本文中,我们将看一个有趣的多模态主题,我们将结合图像和文本处理来构建一个有用的深度学习应用程序,即图像字幕。图像字幕是指从图像生成文本描述的过程 -…
-
基于深度学习的自然图像和医学图像分割:损失函数设计(2)
这篇介绍一下损失函数在医学图像分割问题中的应用。 1. 损失函数在医学图像分割中的应用 上一篇文章中我们讨论了标准的交叉熵损失函数及其加权版本,这些损失函数也都广泛应用在医学图像分割问题中。但是针对大背景中的小前景对象分割问题(常见于医学图像,典型的类别不平衡),基于重叠度的损失函数(例如Dice Loss),优化效果要好于原始的交叉熵损失函数。医学图像种类…