- 综合排序
- 最热优先
- 最新优先
- 来自专栏闲花手札
Hexo-导航页
- <a href="https://www.jd.com/" rel="external nofollow noreferrer" class="<em>link</em> <li><a href="https://v.qq.com/" rel="external nofollow noreferrer" class="<em>link</em> > <li><a href="https://y.qq.com/" rel="external nofollow noreferrer" class="<em>link</em> <li><a href="https://github-trending.com/" rel="external nofollow noreferrer" class="<em>link-3</em>" target=" utm_source=lianmeng&utm_medium=referral" rel="external nofollow noreferrer" class="<em>link-3</em>" target
1.5K20发布于 2021-08-24 - 来自专栏null的专栏
Deep Crossing
概述 Deep Crossing[1]是微软在2016年提出的用于计算CTR问题的深度神经网络模型，Deep Crossing的网络结构对传统的FNN（Feedforward Neural Network 由LR模型中的特征工程，以及FM的成功经验来看，组合特征对于CTR问题有着重要作用，Deep Crossing网络围绕着特征组合，可通过网络自动进行特征组合，而无需大量的特征工程的工作。 在Deep Crossing网络模型中，主要的优化点为：在Deep Crossing网络中增加Multiple Residual Units层，便于构建更深的网络。 2. 算法原理 2.1. Deep Crossing的网络结构 Deep Crossing的网络结构如下图所示： 从Deep Crossing的网络结构上看，整个网络由四种类型的层组成，分别为：第一种层为特征Embedding 总结 Deep Crossing网络的两个特点是Deep和Crossing，首先，对于Deep，得益于残差网络的优点，Deep Crossing网络通过Multiple Residual Unit层构建足够深的深层网络
73430编辑于 2022-05-12 - 来自专栏AI科技时讯
Wide&Deep： Wide & Deep Learning for Recommender System》
Wide & Deep 模型的核心思想是结合线性模型的记忆能力和 DNN 模型的泛化能力，从而提升整体模型性能。 论文作者结合两者的优点，提出了一个新的学习算法——Wide & Deep Learning，其中Wide & Deep分别对应Memorization & Generalization。 对于Wide来说，它现在的任务是弥补Deep的缺陷，其他大部分的活就交给Deep了，所以这时的Wide相比单独Wide也显得非常“轻量级”，这也是Join相对于Ensemble的优势。 结合 Wide 与 Deep 的优势，提出了联合训练的 Wide & Deep Learning。 相比单独的 Wide / Deep模型，实验显示了Wide & Deep的有效性，并成功将之成功应用于Google Play的app推荐业务。
1.5K30发布于 2020-09-29 - 来自专栏刘笑江的专栏
Deep Learning
Convolutions 2014 ImageNet top-5 error 6.7% Inception, network in network Inception GoogLeNet ResNet Deep DNN-weighted Deep Neural Networks for YouTube Recommendations 16 RecSys RNN ?
1.2K30发布于 2018-05-28 - 来自专栏浊酒清味
解密Deep Q-learning中Deep的秘密
出人意料的是，加入所谓的deep后，算法竟有了突破性进展，取得了非凡的成绩。今天我们就要去挖掘这里的Deep所代表的秘密以及其算法成功的原因。 ? 什么是Deep ? 简单而言，Deep的意思的深度，取自于深度学习(Deep Learning)。 说到深度学习，我们不得不介绍神经网络。早在上世纪八九十年代，神经网络早已经被发明并投入使用。 人们把层数很多的神经网络叫做深度神经网络，并将相关应用叫做深度学习(deep learning)。足以见得，人们对于深度的喜爱程度。 也是因为这个原因，加入神经网络的Q-learning算法，才被叫做Deep Q-learning。 ? 为什么要Deep ? 因此打乱学习经历的相关性，有助于我们提高Deep Q-learning的学习效率，使得这个基于神经网络的方法更上一层楼。
1.1K10发布于 2019-07-30 - 来自专栏CreateAMind
Deep feature vae
此次介绍一下基于vae的一个经典改进DFC-VAE，所谓的dfc就是deep feature consistent，原文是这样说的“Instead of using pixel-by-pixel loss , we enforce deep feature consistency between the input and the output of a VAE, which ensures the VAE ,然而ＭＳＥ ＬＯＳＳ并不能捕捉到图片中的空间关系与知觉信息，原文是这样说的：” Such measurements are easily implemented and efficient for deep
1.1K20发布于 2019-10-14 - 来自专栏ADAS性能优化
Deep in qualcomm 888
Snapdragon 888对高通来说是一个巨大的飞跃，以至于他们已经偏离了这一代的常规命名方案，甚至完全跳过了87x系列。888很中国，而且还用于营销目的。
91910编辑于 2022-05-13 - 来自专栏老秦求学
Deep Learning综述
Deep-Learning-Papers-Reading-Roadmap: [1] LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." (2015) (Three Giants' Survey) Review 机器学习在当下有很多应用：从网络搜索的内容过滤到电商的商品推荐，以及在手持设备相机和智能手机上的应用
78770发布于 2018-06-14 - 来自专栏点云PCL
deep learning paper
high-light papers are selected just for reference, most of them are associated with machine learning（deep (CVPR 2017) (5) Pointclouds (Classification&Segmentation&Matching) PointNet: Deep Learning on Point Sets (CVPR 2017 ) PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space – Qi et al
84710发布于 2019-07-30 - 来自专栏全栈程序员必看
Deep Boltzmann Machines
win_in_action/article/details/25333671 http://blog.csdn.net/zouxy09/article/details/8775518 深度神经网络（Deep Deep learning本身算是machine learning的一个分支，简单可以理解为neural network的发展。 Deep learning与传统的神经网络之间有相同的地方也有很多不同。 二者的相同在于deep learning采用了神经网络相似的分层结构，系统由包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作是一个 下面我们来看看为什么它是Deep Learning方法。
52020编辑于 2022-09-14 - 来自专栏Android群英传
Draw Text in Deep
Android系统提供了Textview来提供文字的显示，但很多时候开发者还需要使用Canvas来绘制Text，这时候，canvas.drawText()就不像Textview的使用这么简单了，需要掌握文字的测量以及渲染的流程。
1.8K30发布于 2019-12-19 - 来自专栏CVer
从Deep Image Prior到NAS Deep Image Prior
Deep Image Prior 论文：https://arxiv.org/abs/1711.10925 https://github.com/DmitryUlyanov/deep-image-prior Deep Image Prior 的重要特点是，网络由始至终仅使用了输入的，被破坏过的图像做为训练，没有经历过大多数神经网络所需要的学习过程即可完成任务。 Deep Image Prior 表示，在损坏的「非正常」图像上训练同样能学习到图像的「先验」，注意这种「训练」仅表示模型在单张损坏图像上反复迭代。 但是在Deep Image Prior工作中：作者发现在一个大致的范围内，超参数和结构的实验表现都差不多，为什么还要再用NAS这里比较牵强，但也说得通。 具体的工作流程如下图所示：先使用NAS搜索出最优的网络架构(蓝色框)，再对搜索出的架构重复Deep Image Prior的所有步骤(绿色框)。 ?
2K30发布于 2020-09-23 - 来自专栏RivenCabin
deep和>>>以及 ::v-deep 三者的区别
>>> 深度作用选择器的简写形式 只作用于css，不支持css预加载器（less/scss） 是/deep/的简写形式,适用于Vue2.x版本，Vue3.x版本使用会报错 /deep/ Vue2.x的深度作用选择器正式写法 仅适用于Vue2.x版本 支持css预加载器 ::v-deep Vue3.x的深度作用选择器正式写法 总结 Vue2.x版本使用优先级 /deep/ > >>> Vue3版本使用::v-deep
2K30编辑于 2022-08-16 - 来自专栏深度强化学习实验室
Deep Reinforcement Learning: An Overview
《Deep Reinforcement Learning: An Overview》 该综述从强化学习，重要元素，核心机理和应用几个角度进行展开，也包含了一些学习资料，对学习RL的人来说无疑是一块甜蛋糕
76710发布于 2019-11-21 - 来自专栏前端皮小蛋
Deep into React Hooks
在React 16.7 的版本中，Hooks 诞生了，截止到目前， 也有五六个月了， 想必大家也也慢慢熟悉了这个新名词。
87420发布于 2020-03-02 - 来自专栏老秦求学
Deep Learning综述
Image understanding with deep convolutional networks 直到2012年ImageNet大赛之前，卷积神经网络一直被主流机器视觉和机器学习社区所遗弃。 The future of deep learning 无监督学习对于重新点燃深度学习的热潮起到了促进的作用。 有监督学习比无监督学习更加成功。
57440发布于 2018-06-14 - 来自专栏算法学习日常
Inhabitant of the Deep Sea
目录 题目：Inhabitant of the Deep Sea 题目描述： 输入： 输出 样例： 输入： 输出： 思路： AC代码： 题目：Inhabitant of the Deep Sea 题目描述
25710编辑于 2024-04-25 - 来自专栏白安全组
Deep Web 网址大全
Name 名称 URL 网址 Description 描述 Goods/Services 商品/服务 Need Registration 是否需要注册 Need Invite 是否需要邀请码 Status 状态 Category 种类
13.8K20发布于 2019-08-09 - 来自专栏计算机视觉战队
Deep Learning的展望
随着2017年的到来，深度学习技术也迎来了新的一年。深度学习是一门基于多层神经网络的技术，此项技术是许多颠覆性技术（如人工智能、认知计算、实时数据流分析等）的基础。 对数据科学家来说，深度学习技术将成为一门顶级焦点技术，下面我将对2017年深度学习的发展趋势做一些预测： 第一个深度学习的消费级爆款应用上市 在新的一年里，将会出现一款面向大众消费级的深度学习应用，这款应用将会取得巨大的成功。消费者将会亲身体验到深度学习给他们的生活带来的便利。这款应用可能出现在以下几个方面。一、图像方面，现在很多图片都来自于智
78290发布于 2018-04-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号