投稿

P201. 任务201：基于规则的方法

159

0

2020-01-06 17:05:26

未经作者授权，禁止转载

九月寒露发消息

了解时间去哪里了，是提升效率的第一步。time.rpd.baby

豆包-更聪明的AI助手,轻松处理各种复杂难题，立即体验！

4万人感兴趣

P201. 任务201：基于规则的方法

14:49

P202. 任务202：基于监督学习的方法

27:50

P203. 任务203： cnn rnn transformer对比-01

33:37

P204. 任务204： cnn rnn transformer对比-02

31:02

P205. 任务205：关系抽取

29:35

P206. 任务206： bootstrap算法的缺点

08:58

P207. 任务207： SnowBall算法

24:28

P208. 任务208：生成模板

20:26

P209. 任务209：生成tuple与模板评估

21:23

P210. 任务210：评估记录-过滤

22:50

P211. 任务211： SnowBall总结

12:57

P212. 任务212：Entity Disambiguation (实体消歧)介绍

06:28

P213. 任务213：实体消歧算法

08:24

P214. 任务214：Entity Resolution(实体统一)

06:24

P215. 任务215：实体统一算法

19:21

P216. 任务216：Co-reference Resolution(指代消解)介绍.fl

10:11

P217. 任务217：什么是句法分析

08:16

P218. 任务218：句法分析的应用

03:45

P219. 任务219：语法

09:38

P220. 任务220： PCFG

02:51

P221. 任务221：评估语法树

08:42

P222. 任务222：寻找最好的树

02:07

P223. 任务223： CNF Form

16:56

P224. 任务224： CKY算法

29:03

P225. 任务225：时序模型

05:05

P226. 任务226： HMM的介绍

03:32

P227. 任务227： HMM的应用例子

17:10

P228. 任务228： HMM的参数

13:56

P229. 任务229： HMM中的Inference问题

26:42

P230. 任务230： HMM中的F B算法1

18:02

P231. 任务231： HMM中的F B算法2

13:02

P232. 任务232： HMM中的F B算法3

11:15

P233. 任务233： Data Representation

12:10

P234. 任务234： Latent Variable Models

25:14

P235. 任务235： Complete vs Incomplete Case

05:29

P236. 任务236： MLE for Complete and Incomplet.fl

06:20

P237. 任务237： EM Derivation

32:26

P238. 任务238： Remarks on EM

03:06

P239. 任务239： K-means

04:34

P240. 任务240： K-means Cost Function

18:34

P241. 任务241： MLE for GMM

13:13

P242. 任务244： HMM中的参数

07:59

P243. 任务245： Complete vs Incomplete Case

02:24

P244. 任务246： Complete Case

07:41

P245. 任务247： Incomplete Case

02:37

P246. 任务248： EM算法回顾

05:05

P247. 任务249： F B算法回顾

04:31

P248. 任务250：估计PI

08:06

P249. 任务251：估计B

12:15

P250. 任务252：估计A

39:20

P251. 任务253：公司实际项目串讲-01

19:37

P252. 任务254：公司实际项目串讲-02

18:24

P253. 任务255：公司实际项目串讲-03

27:45

P254. 任务256：有向图与无向图模型

16:29

P255. 任务257：生成模型与判别模型

01:11

P256. 任务258： Log-Linear Model

03:31

P257. 任务259： Log-Linear Model与多元逻辑回归

18:53

P258. 任务260： CRF介绍

09:51

P259. 任务261： Inference问题

09:47

P260. 任务262：参数估计

36:36

P261. 任务263： wordvector词向量

15:36

P262. 任务264： Global Generation of Distribut.fl

20:33

P263. 任务265： How to Learn Word2Vec-Intuitio.fl

03:30

P264. 任务266： Skip-Gram Model

20:54

P265. 任务267：语料库

33:57

P266. 任务268： Word2Vec代码

23:27

P267. 任务269：训练SkipGram问题

05:19

P268. 任务270： SkipGram另一种目标函数构建

09:01

P269. 任务271： SkipGram的negative sampling

33:09

P270. 任务272：评估词向量

08:57

P271. 任务273：词向量在推荐系统中的应用

23:52

P272. 任务274：梯度提升树

41:35

P273. 任务275：答疑

12:50

P274. 任务276： Word2vec

20:53

P275. 任务277： Learning with Subword

17:55

P276. 任务278： When subword is needed

13:53

P277. 任务279： Learn Embedding from Language .fl

06:48

P278. 任务280： What are potential solutions

08:43

P279. 任务281： Elmo at Glance

30:04

P280. 任务282： Category of Word Representatio.fl

36:29

P281. 任务283：神经网络介绍

11:15

P282. 任务284：激活函数

20:01

P283. 任务285：MLP

19:03

P284. 任务286：多层神经网络

03:57

P285. 任务287：Universal Approximation Theorem.fl

06:03

P286. 任务288：Biological Inspiration

05:13

P287. 任务289：回顾神经网络

05:01

P288. 任务290：神经网络的损失函数

13:31

P289. 任务291： BP算法的核心流程

05:31

P290. 任务292：对输出层的梯度计算

20:29

P291. 任务293：对隐含层的梯度计算

15:06

P292. 任务294：对参数的梯度计算

08:26

P293. 任务295：对BP算法的总结

08:55

P294. 任务296： gradient checking

05:52

P295. 任务297：深度学习与非凸函数

03:03

P296. 任务298：深度学习中的Plateau

03:18

P297. 任务299： SGD的收敛条件

08:03

P298. 任务300： Early Stopping

10:22

P299. 任务301：为什么需要递归神经网络？

03:24

P300. 任务302：递归神经网络介绍

15:49

顶部