1. 线性回归
回归（regression）问题指一类为一个或多个自变量与因变量之间关系建模的方法，通常用来表示输入和输出之间的关系。
机器学习领域中多数问题都与预测相关，当我们想预测一个数值时，就会涉及到回归问题，如预测房价等。（预测不仅包含回归问题，还包含分类问题）
线性回归（
标签：AI
模型
生成模型介绍
我们定义样本空间为(mathcal{X} subseteq mathbb{R}^n)，输出空间为(mathcal{Y} = {c_1, c_2, ..., c_K})。(textbf{X})为输入空间上的随机向量，其取值为(textbf{x})，满足(textbf{x} in
挂载exfat和ntfs格式硬盘
#树莓派#
背景故事
Linux系统默认可以自动识别到fat32格式的盘，但fat32支持的文件不能大于4G，所以只能将移动硬盘和U盘格式化为NTFS和exFAT这两种格式的，闪迪U盘一般默认格式为exFAT。那么要怎么样才能让树莓派系统识别exFat和NTFS格
树莓派远程连接工具VNC使用教程
背景故事
树莓派作为一款迷你小主机，大部分的使用场景都会用到远程调试，远程调试用到最多的方式一般就是VNC和SSH，VNC是远程桌面型的远程方式，简单来说就是用Windows电脑与树莓派主机建立远程桌面链接，通过远程桌面访问和操作树莓派，这样做的好处有以下几点：
声明：个人笔记观点，持续更新......
个人收集的自用及备用的自然语言处理相关资源，仅供学术交流
项目地址：https://github.com/junchaoIU/ChineseNLP_ResourceNote
Author：
元学习——MAML、Reptile与ANIL
作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
之前介绍过元学习——从MAML到MAML++，这次在此基础上进一步探讨，深入了解MAML的本质，引出MAML高效学习的原因究竟是快速学习，学
1. softmax回归是分类问题
回归（Regression）是用于预测某个值为“多少”的问题，如房屋的价格、患者住院的天数等。
分类（Classification）不是问“多少”，而是问“哪一个”，用于预测某个事物属于哪个类别，如该电子邮件是否是垃圾邮件、该图像是猫还是狗、该用户接下来
最近由于负责交叉编译AI项目，包括tensorflow和pytorch，其中tf是用bazel管理编译的，为了确保自己制作的交叉编译工具链能正常运行，不得不把原生的bazel做了一些修改来支持交叉编译，主要是砍掉了一些对绝对路径依赖的限制（正常的交叉编译工具链都是放在/opt目录下面的绝对路径）。
CNN是卷积神经网络的英文简称，通过随机赋一个初始的权重值，依靠正向传播(包含卷积，池化(意译是泛化)和全连接(其实也是一种特殊的卷积计算)三组运算，主要是乘加运算)推导出一个当前值，使用随机(通常这个随机是当前值和目标值的平均值)梯度下降原理求得一个可能更接近目标值的结果，依靠反向传播(正向传播
From: https://liudongdong1.github.io/
a. 有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和 余弦退火CosineAnnealing。
b. 自适应调整：自适应调整学习率 ReduceLROnP
简介
众所周知，在Linux系统下的命令行调试界面，经常会遇到需要文本编辑的情况，而树莓派官方系统默认自带了Nano编辑器，Nano的操作门槛更低，但却不如Vim编辑器方便。Vim编辑器是由早期在Linux系统中流传广泛的编辑器Vi编辑器演化而来，更通用，使用也更广泛，操作习惯更依赖于纯键盘操作，
1. 模型
1.1 超平面
我们称下面形式的集合为超平面
[begin{aligned}
{ bm{x} | bm{a}^{T} bm{x} - b = 0 }
end{aligned} tag{1}
]其中(bm{a} in mathbb{R}^n)且(bm{a} ne bm{0} , bm{
作者：新东方AI研究院院长张建鑫
有句话讲，技术总是在短期内被高估，而在长期内被低估。您认为人工智能技术目前是被高估还是被低估呢？
人工智能技术的发展历史已经很久远了，现在的AI顶流-人工神经网络理论研究工作最早发生于1943年，在1980年代由Hopfield完成了基础理论的突破，引发了1985
前言
AI 人工智能包含了机器学习与深度学习，在前几篇文章曾经介绍过机器学习的基础知识，包括了监督学习和无监督学习，有兴趣的朋友可以阅读《 Python 机器学习实战 》。而深度学习开始只是机器学习的一分支领域，它更强调从连续的层中进行学习，这种层级结构中的每一层代表不同程序的抽象，层级越高，抽象
熟悉NLP的同学对Bert Finetune一定不陌生，基本啥任务上来都可以Bert Finetune试一把。可是模型微调一定比直接使用预训练模型效果好么？微调究竟对Bert的向量空间产生了哪些影响嘞？考虑到Bert的高维向量无法直接观测，下面这篇paper中，作者结合文本分类任务，和Direct
1、度量准确性指标
1.1AlphaFold极大提高了蛋白质结构预测准确性
2. 原理及应用
2.1 论文介绍
2.2 原理
2.2.1 流程图
2.2.2 搜索同源序列和模版
2.2.3 特征构造
2.2.4 特征表示
2.2.5 残基对表示与MSA表示之
本文首发于微信公众号「对白的算法屋」
作者：对白
对比学习方法（CV）
对比学习要做什么？
有监督训练的典型问题，就是标注数据是有限的。
目前NLP领域的经验，自监督预训练使用的数据量越大，模型越复杂，那么模型能够吸收的知识越多，对下游任务效果来说越好。这可能是自从Bert出现以来，一再被反复证
卷积神经网络CNN
作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
卷积神经网络（Convolutional Neural Network，CNN 或ConvNet）是一种具有局部连接、权重共享等特性的深层前馈神经网络。卷积神经网络最
一、读取Excel文件
使用pandas的read_excel()方法，可通过文件路径直接读取。注意到，在一个excel文件中有多个sheet，因此，对excel文件的读取实际上是读取指定文件、并同时指定sheet下的数据。可以一次读取一个sheet，也可以一次读取多个sheet，同时读取多个
习题11.1
由题，根据公式 (P(Y) = frac{1}{sum limits_Y prod limits_C Psi_C(Y_C)} prod limits_C Psi_C(Y_C))
概率无向图模型的因子分解为将概率无向图模型的联合概率分布表示为其最大团上的随机变量的函数的乘积形式的操作
友情链接：
客服
