原创 深度學習-LeCun、Bengio和Hinton的聯合綜述

 原文摘要:深度學習可以讓那些擁有多個處理層的計算模型來學習具有多層次抽象的數據的表示。這些方法在許多方面都帶來了顯著的改善,包括最先進的語音識別、視覺對象識別、對象檢測和許多其它領域,例如藥物發現和基因組學等。深度學習能夠發現大數據

原创 Google 2013年最具影響力的技術論文

 來自Google官方博客,爲省卻大家找梯子之苦,全文轉貼在此。我會逐漸翻譯出來。 2013年最具影響力論文 by Corinna Cortes and Alfred Spector, Google Research 整個Googl

原创 Does One-Against-All or One-Against-One Improve the Performance of Multiclass Classifications?

最近有點荒廢了,忙着改自己的文章,平時還要討論班,時間就顯得有限了,今天就給大家講一篇有意思的文章。 首先是這篇文章的具體的信息,如下: Eichelberger, R.K., Sheng, V.S.Does One-Against-Al

原创 知遠點評

 作者劉知遠 weibo:http://weibo.com/zibuyu9  主頁:http://nlp.csai.tsinghua.edu.cn/~lzy   翟成祥老師早期在語言模型的工作很有影響力,他在2009年寫過一本綜述專

原创 ANSJ分詞工具的具體操作!

       零時插入,淺層深度學習的自然語言處理下一篇再講。        首先,必須要感謝ansjsun的無私奉獻,給我們提供了一款這麼優秀的分詞工具,具體的鏈接  https://github.com/ansjsun,其次,這篇

原创 淺層深度學習的自然語言研究(4)

上一期,我們已經安裝好了gensim,那今天主要是講用它來幹什麼。 前面談到我主要是想在Python下進行算法研究,但是我們已經得到了每條帖子的向量,那就要有個工具能夠讀取這個文件。 gensim的models.word2vec模塊正好解

原创 淺層深度學習的自然語言研究(1)

     常用的詞表示方法是 One-hot Representation(即0,1表示方式),例如:            “話筒”表示爲 [0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 ...]          

原创 淺層深度學習的自然語言研究(3)

這期主要講Paragraph Vector。 在上一期http://blog.csdn.net/yuwen123/article/details/39312885中,我們已經瞭解了Word2Vec在Distributed Represen

原创 Ubuntu 12.04 -python 2.7 安裝Eric4和gensim

搞了兩天,一遍一遍的操作,終於算是搞定了。我寫在這裏就算是個筆記,供自己和大家方便! 我以前是在Windows系統裏面做這些的,也安裝成功了的。現在爲了研究Paragraph Vector,我把主要的工作都轉到了Ubuntu下面,在選擇J

原创 淺層深度學習的自然語言研究(2)

            這期的主要內容就是講下Word2Vec的原理和具體的實驗過程,這次文字就少一點,主要是我做的幾個PPT的圖片。             首先,談一下word2vec的原理,我這裏要強調一下,開放的程序中已經做了很大

原创 寫在開博之時的話

        經常在網上查資料,發現大家都樂於將自己的一些成果分享出來,我發現這種方式即是對自己的提高,同時也對幫助了其它童鞋,當然也給自己提供了一個交流平臺。在前後墨跡了幾個月之後,我終於決定在CSDN上開通自己的博客,廢話就不多說了