深度学习之LSTM模型
在前面的博客中，我们已经介绍了基本的RNN模型和GRU深度学习网络，在这篇博客中，我们将介绍LSTM模型，LSTM全称是Long Short-Time Memory，也是RNN模型的一种。
标签为 #R# 的博客
聚焦人工智能、大模型与深度学习的精选内容，涵盖技术解析、行业洞察和实践经验，帮助你快速掌握值得关注的AI资讯。
最新博客
8个非常好的NLP领域的预训练模型（包含代码和论文资源）
使用预训练模型处理NLP任务是目前深度学习中一个非常火热的领域。本文总结了8个顶级的预训练模型，并提供了每个模型相关的资源（包括官方文档、Github代码和别人已经基于这些模型预训练好的模型等）。
深度学习之Attention机制
Encoder-Decoder的深度学习架构是目前非常流行的神经网络架构，在许多的任务上都取得了很好的成绩。在之前的博客中，我们也详细介绍了该架构（参见深度学习之Encoder-Decoder架构）。本篇博客将详细讲述Attention机制。
深度学习之Encoder-Decoder架构
深度学习中Sequence to Sequence (Seq2Seq) 模型的目标是将一个序列转换成另一个序列。包括机器翻译（machine translate）、会话识别（speech recognition）和时间序列预测（time series forcasting）等任务都可以理解成是Seq2Seq任务。RNN（Recurrent Neural Networks）是深度学习中最基本的序列模型。
深度学习之RNN模型
序列数据是生活中很常见的一种数据，如一句话、一段时间某个广告位的流量、一连串运动视频的截图等。在这些数据中也有着很多数据挖掘的需求。RNN就是解决这类问题的一种深度学习方法。其全称是Recurrent Neural Networks，中文是递归神经网络。主要解决序列数据的数据挖掘问题。
使用R语言进行K-means聚类并分析结果
R语言进行数据分析非常简单方便，在这篇博客中，我们将描述如何使用R语言进行K-means聚类分析，并分析结果。
Spark源码分析之RDD下的KMeans
这篇博客主要介绍Spark源码中的KMeans部分，说的是RDD下的KMeans源码
stata 用outreg2输出回归结果
stata 输出回归结果
keras解决多标签分类问题
multi-class classification problem和 multi-label classification problem在keras上的实现
如何理解狄利克雷过程（Dirichlet Process）
狄利克雷过程是非参贝叶斯推断的基础模型。本博客将简要介绍狄利克雷过程模型
origin绘图操作案例(1)
日常绘图时，会使用都origin，其是一款非常强大的制图工具
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
Dirichlet过程是一个随机过程，在非参数贝叶斯模型中有广泛运用，最常见的应用是Dirichlet过程混合模型
Android开发入门基础
Android是基于Linux的修改版本的移动操作系统。 大多数Android代码是在开源Apache许可证下发布的。本文将简单介绍Android开发入门知识。
Android开发入门基础知识——Intent详解
Intent是Android中通信的组件。这篇博客将详细讲述什么是Intent及其用法。
贝塔分布（Beta Distribution）简介及其应用
贝塔分布（Beta Distribution）是一个连续的概率分布，它只有两个参数。它最重要的应用是为某项实验的成功概率建模。在本篇博客中，我们使用Beta分布作为描述。