作者: Jeffery 链接：https://zhuanlan.zhihu.com/p/98855346 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载...
发简信
IP属地：江苏
-
什么是BERT？
-
ArrayList、LinkedList、HashMap区别
首先问的是ArrayList和LinkedList的区别。 先看ArrayList的相关源码： 可以看出ArrayList底层是实现了一个Object数组，并且初始容量为10...
-
《Augmented CycleGAN: Learning Many-to-Many Mappings from Unpaired Data》读后感介绍 经典的CycleGAN的主要缺陷是只能在领域之间学习一对一的mapping，也就是每一种输入都只会有单种的输出图像。而本文作者相信域之间的大部分关系都是十分复杂的，倾向...
-
联合信息熵和条件信息熵
下面这几个熵都是描述联合分布中的两个变量相互影响的关系。 联合信息熵 联合信息熵的定义如下： 条件信息熵 条件信息熵的定义如下： 用图像形象化地理解这二者的关系： 互信息（信...
-
Unsupervised Visual Representation Learning by Context Prediction读后感这篇文章的思想是利用self-supervise的思想去运用一些互联网规模的数据集（人工的annotation很难获得），无监督地为图片生成特征。 生成的embedding希...
-
白化
白化：相关性低，方差相同。 PCA：去均值，去相关性。 PCA白化：去均值，去相关性，方差相同为1。 ZCA白化：pca白化后，把它又变换到原来的空间中，方差相同不要求为1.
-
读后感：Image Style Transfer Using Convolutional Neural Networks该文章是研究一个比较有意思的Issue，就是风格迁移问题。风格迁移可以定义为纹路（Texture）迁移问题。之前大多数的工作是用non-parametric（非参数）的算法通...
-
PCA与SVD分解的关系
PCA： 目标是使 因为可对 E的每列是相应的非线性相关且相互正交的特征向量，为正交阵。我们令 因为这样P就成为了正交阵，有 则PCA是要对X的协方差矩阵进行特征值分解，P即...
-
读后感：Controlling Perceptual Factors in Neural Style Transfer本论文是对2016年的《Image Style Transfer Using Convolutional Neural Networks》进行的一次改进，引入了对空间定位、颜...
-
机器学习中的交叉熵
p和q是两个概率分布。其中xi是取值的可能，在机器学习中，xi为样本的某一个类别的可能，n为类标的数量。p(xi)为样本取值为xi的真实概率，q(xi)表示样本取值为xi的预...
-
信息熵和KL散度
熵 熵在物理上是表示混乱程度，在信息论中，信息熵用以下方程表示,也就是对分布自信息的期望，单位取决于在计算中使用的对数的底： 离散的表达式： 若概率越为均匀分布，则熵越大，变...
-
git add .和git add -u和git add -A的区别
Git Version 1.x: git add . ：他会监控工作区的状态树，使用它会把工作时的所有变化提交到暂存区，包括文件内容修改(modified)以及新文件(new...
-
《SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient》读后感该论文发表在AAAI 2017会议，如果要把GANs应用到序列数据生成上，则必须参考一下该文章。本人是强化学习相关领域的小白，因此对论文的某些地方还不是很清晰，如果我的理解有...
-
读后感：Multi-Domain Manifold Learning for Drug-Target Interaction Prediction
这是蔡老师发的论文。主要内容是讲述如何将药物和目标这两个不同领域的东西通过manifold learning来预测他们之间的关系。 他是通过核矩阵优化来作为解决方案的，通过训...
