IP属地：上海
-
《使用Encoder-Decoder架构+LSTM完成机器翻译任务》1 背景 在neural machine translation的任务中，由于RNN每个时间步只能看到过去的信息，无法看到完整的上下文。除此之外...
-
韩遇安浅论LSTM1 RNN的缺点 上文我们已经介绍了经典的RNN。这篇文章主要聚焦在RNN的改良版：LSTM。关于RNN的，教科书上说RNN容易造成梯度消失或梯...
-
韩遇安关于RNN的一些思考1 RNN的架构及原理 关键函数h_t = f(Wxhx_t + Whhh_{t-1} + bh)y_t = g(Why*h_t + by) 2...
-
韩遇安关于CNN的一些小思考1 CNN中的一些重要的概念 关于卷积，就是卷积核（kernel）在figure上移动，对应位置相乘然后求和（加权和） 关于池化，分为最大池化和...
-
《赵从文浅论stacking model 中如何防止信息泄露》
1. *基模型与逻辑回归 在机器学习中，堆叠模型（Stacking） 是一种常用的集成方法，它将多个基模型（base model）的预测结果作为...
-
《全网最全的奶妈级WGBS 全流程教程，不会的来打死作者》写在前面， 本文中使用了 3 个对照组和 3 个实验组，能够满足大多数实验者的需求，除此之外，本文涵盖WGBS 处理的上下游，需要处理WGBS/...
-
《全网最全QSEA学习教程！！！》说明，这是搬运的官网教程，我写了注释/我的理解等等，可以说是自己的笔记。 喜欢的留留言，动动小手点点赞呀！😘 参考： https://bioco...
-
浅谈机器学习中的交叉验证训练（cross validation）和普通的训练
Cross-validation（交叉验证）与普通训练的区别及CV的意义 一、核心区别对比 对比维度普通训练（Hold-out）交叉验证（CV）...
-
浅论机器学习中的集成学习1.Introduction: 一些集成学习的策略: Bagging(Bootstrap Aggregating)Bagging 的目标是通过减...