用户对项目评分数据的稀疏是推荐系统质量恶化的主要因素之一。为了处理稀疏性问题，已经提出了几种推荐技术，其另外考虑辅助信息以提高评估预测的准确性。特别是，当评级数据稀少时，基于文档建模的方法通过额外使用...

前言 从理解卷积神经到实现它，前后花了一个月时间，现在也还有一些地方没有理解透彻，CNN还是有一定难度的，不是看哪个的博客和一两篇论文就明白了，主要还是靠自己去专研，阅读推荐列表在…

mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。 程序比较复杂，我就分成几个部分来叙述。 首先，下载并加载数…

Lenet就从Lenet说起，可以看下caffe中lenet的配置文件，可以试着理解每一层的大小，和各种参数。由两个卷积层，两个池化层，以及两个全连接层组成。卷积都是5*5的模板，stride=1，池...

DNN反向传播首先回顾DNN的反向传播算法。在DNN中，首先计算出输出层的δL:利用数学归纳法，用δl+1的值一步步的向前求出第l层的δl，表达式为：有了δl的表达式，从而求出W,b的梯度表达式：有了...

基于CNN的文本分类问题已经有了一定的研究成果：CNN做句子分类的论文:ConvolutionalNeuralNetworksforSentenceClassification。以及字符级CNN的论文...

聚合-转移框架卷积神经网络通常都是由许多不同的层级结构组成的。上图的篮框部分是被定义的L层网络单元，它总体包含聚合（Aggregation）和转移（Transformer）两个部分。具体来说，聚合可用...

一组研究人员建立了一个CNN模型，可以分析和分类古代涂鸦；多项逻辑回归模型的AUC评分为0.82，而2D-CNN的准确度为0.94研究人员开源数据集，让整个社区参与这项研究介绍历史文本和图像对我来说具...

深度残差收缩网络其实是属于一种卷积神经网络，是深度残差网络（deepresidualnetworks,ResNet）的一个变种。它的核心思想是，在深度学习算法进行特征学习的时候，删除冗余信息是非常重要...

近年来，机器学习变得愈加火热，中国选手柯洁与AlphaGo的人机大战更是引起热议。目前，在图像识别和视觉分析研究中，卷积神经网络（CNN）技术的使用越来越多。Tensorflow是由Google团队开...

深度卷积神经网络是这一波AI浪潮背后的大功臣。虽然很多人可能都已经听说过这个名词，但是对于这个领域的相关从业者或者科研学者来说，浅显的了解并不足够。近日，约克大学电气工程与计算机科学系的IsmaHad...

人们可以使用TensorFlow的所有高级工具如tf.contrib.learn和Keras，能够用少量代码轻易的建立一个卷积神经网络。但是通常在这种高级应用中，你不能访问代码中的部分内容，对深层次的...

深度残差收缩网络（DeepResidualShrinkageNetwork）是深度残差网络（DeepResidualNetwork,ResNet）的一种改进，发表在IEEETransactionson...

图像分类，顾名思义，就是为输入图像打上固定类别的标签。这是计算机视觉领域的核心问题之一。尽管听起来很简单，但图像分类有大量不同的实际应用。传统方式：特征描述和检测也许对一些样本任务有好处，但实际情况要...

摘要：本文简单说明了CNN模型可视化的重要性，以及介绍了一些可视化CNN网络模型的方法，希望对读者有所帮助，使其能够在后续深度学习应用中构建更好的模型。对于深度学习这种端到端模型来说，如何说明和理解其...