机器学习日报2015-11-08 卷积神经网络及其在自然语言处理上的应用 等14条

2015年11月9日 | By News | Filed in: News.

Source: http://ml.memect.com/archive/2015-11-08/long.html

卷积神经网络及其在自然语言处理上的应用

来自 @王威廉 好东西传送门整理

关键词:入门, 深度学习, 算法, 自然语言处理, Denny Britz, 神经网络

斯坦福和伯克利毕业生Denny Britz关于卷积神经网络及其在自然语言处理上的应用的一篇不错的科普文: [1] [1] http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/

支持向量机系列文章

来自 @XGuo_CAS 好东西传送门整理

关键词:经验总结, 算法, SVM, 博客

今天拜读了 @pluskid 写的一系列关于SVM的博客 [1] ,看的出 @pluskid 一定花费了不少精力。虽然对SVM略知一二,依然受益匪浅。而 @July研究者 的博客综合了更多人的解读(从文字、公式和配图上可知) [2] ,自然也是初学者们的“宝典”。不过倒是不知道这句话该怎么理解 [1] http://blog.pluskid.org/?page_id=683

[2] http://blog.csdn.net/v_july_v/article/details/7624837

支持向量机系列文章

基于循环神经网络构建的谷歌邮件智能回复系统

来自 @Google谷歌爱好者 好东西传送门整理

关键词:经验总结, 深度学习, 算法, 博客, 行业动态, 神经网络

【谷歌邮件智能回复系统:基于循环神经网络构建】Google将为其Gmail应用推出一项称为智能回复(Smart Reply)新功能,这篇博文解析了Smart Reply技术原理:建立在一对循环神经网络(RNN)之上,其中一个RNN用于对收到的电子邮件进行编码,另一个用于预测可能的回复。 @CSDN移动 [1] [1] http://www.csdn.net/article/2015-11-06/2826134#0-tsina-1-40585-397232819ff9a47a7b7e80a40613cfe1

基于循环神经网络构建的谷歌邮件智能回复系统

反向传播神经网络极简入门

来自 @hankcs 好东西传送门整理

关键词:算法, Python, 神经网络

【反向传播神经网络极简入门】 我一直在找一份简明的神经网络入门,然而在中文圈里并没有找到。直到我看到了这份162行的Python实现,以及对应的油管视频之后,我才觉得这就是我需要的极简入门资料。这份极简入门笔记不需要突触的图片做装饰,也不需要赘述神经网络的发… [1] [1] http://www.hankcs.com/ml/back-propagation-neural-network.html

反向传播神经网络极简入门

大规模高斯过程

来自 @谢澎涛CMU 好东西传送门整理

关键词:算法, 资源, PDF, Zoubin Ghahramani, 论文

我们组师兄Andew Wilson最近写了一篇关于大规模高斯过程的文章 Thoughts on Massively Scalable Gaussian Processes [1] Andrew博士期间师从Zoubin Ghahramani, 现在我们组做postdoc,在高斯过程和scalable kernel learning方面做出了非常优秀的工作 [1] http://arxiv.org/pdf/1511.01870.pdf

完整版

点此链接查看全部14条:http://ml.memect.com/archive/2015-11-08/long.html


发表评论

邮箱地址不会被公开。 必填项已用*标注