基于卷積神經網(wǎng)絡的組合模型處理NLP任務諷刺檢測

數(shù)據(jù)為均衡和失衡的諷刺推文數(shù)據(jù)集，取自Ptacek等2014年的工作和The Sarcasm Detector。移除了用戶名、URL、#標記，使用了NL...

2018-07-02 標簽：神經網(wǎng)絡數(shù)據(jù)集深度學習 6.8k 0

計算文本相似度幾種最常用的方法，并比較它們之間的性能

估計兩句子間語義相似度最簡單的方法就是求句子中所有單詞詞嵌入的平均值，然后計算兩句子詞嵌入之間的余弦相似性。很顯然，這種簡單的基準方法會帶來很多變數(shù)。我...

2018-06-30 標簽：編碼器數(shù)據(jù)集自然語言 5.5萬 0

如何找出數(shù)據(jù)集的基礎結構？如何聚類和建立最有效的分組？

你可以想象，這些數(shù)據(jù)精準地切合了廣告商的需求。對于迫切希望通過推送廣告來達到立竿見影效果的廣告商而言，他們重視的內容有兩個：一是了解目標消費者的群體大小...

2018-06-30 標簽：聚類k-means數(shù)據(jù)集 6.5k 0

簡要解釋one hot編碼這一機器學習中極為常見的技術

其中，類別值是分配給數(shù)據(jù)集中條目的數(shù)值編號。比如，如果我們在數(shù)據(jù)集中新加入一個公司，那么我們會給這家公司一個新類別值4。當獨特的條目增加時，類別值將成比例增加。

2018-06-30 標簽：編碼器機器學習數(shù)據(jù)集 2.6萬 0

OpenAI：用可擴展的多任務系統(tǒng)，在多語言任務上取得了良好的成績

最近我們嘗試用無監(jiān)督學習增強系統(tǒng)，進一步研究語言能力。無監(jiān)督技術訓練能通過含有巨大信息量的數(shù)據(jù)庫訓練單詞的表示，與監(jiān)督學習結合后，模型的性能會進一步提高...

2018-06-30 標簽：機器學習數(shù)據(jù)集 2.4k 0

為什么CNN不能從數(shù)據(jù)中學習平移不變性？

論文的觀點是數(shù)據(jù)集里的圖像自帶“攝影師偏差”，很可惜論文作者做出的解釋很糟糕，一會兒講分布，一會兒講數(shù)據(jù)增強，非常沒有說服力。但是這個觀點確實值得關注，...

2018-06-30 標簽：神經網(wǎng)絡數(shù)據(jù)集CNN 1.4萬 0

傳統(tǒng)圖像與視頻壓縮技術

從以上的編解碼過程中，我們可以看到，先驗概率估計的精確程度對編碼的效率影響很大。HEVC使用動態(tài)更新的概率模型實現(xiàn)自適應二進制算術編碼。

2018-06-30 標簽：圖像壓縮數(shù)據(jù)集深度學習 8.6k 0

如何很容易地將數(shù)據(jù)共享為Kaggle數(shù)據(jù)集

雖然一個更大的、機構層面的努力是理想的，但與此同時，我們也可以利用開源，免費使用Kaggle 這樣的資源。我認為 Kaggle 有可能做 Github ...

2018-06-29 標簽：數(shù)據(jù)集AI技術 6.6k 0

什么是LOD表達式？如何在Tableau Prep 中生成FIXED LOD 表達式的結果

接下來，我們將會讓我們的流程分支，以允許我們創(chuàng)建總值并同時保持原始數(shù)據(jù)集。我們的目標是創(chuàng)建兩個獨立的數(shù)據(jù)副本，以便我們可以獨立操作。這使我們可以在一條路...

2018-06-28 標簽：數(shù)據(jù)集LOD 8.9k 0

一文快速了解機器學習任務中的重要成分和結構

很顯然，當訓練數(shù)據(jù)集足夠大的時候，經驗風險最小化這一策略能夠保證很好的學習效果——這也就是我們當代深度神經網(wǎng)絡取得很多方面的成功的一個重要原因。專業(yè)的說...

2018-06-22 標簽：人工智能機器學習數(shù)據(jù)集 4.8k 0

分享下Kaiming大神在CVPR‘18 又有了什么新成果？

在具體實現(xiàn)過程中，基于Mask R-CNN提出了一種新穎的遷移學習方法。Mask R-CNN可以將實例分割問題分解為邊框目標檢測和掩膜預測兩個子任務。在...

2018-06-20 標簽：神經網(wǎng)絡圖像分割數(shù)據(jù)集 5.6k 0