注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习研究综述.pdf

  2. 深度学习的概念源于人工神经网络的研究，含多隐层的多 层感知器（ＭＬＰ）就是一种深度学习结构。深度学习通过组合 低层特征形成更加抽象的高层表示（属性类别或特征），以发 现数据的分布式特征表示［１］。ＢＰ算法作为传统训练多层网络 的典型算法，实际上对于仅含几层网络，该训练方法就已很不 理想［２］。深度结构（涉及多个非线性处理单元层）非凸目标代 价函数中普遍存在的局部最小是训练困难的主要来源。

  3. 所属分类：专业指导

    • 发布日期：2013-04-24
    • 文件大小：1013760
    • 提供者：zsc347

  1. 最新《异构网络表示学习》2020综述论文.pdf

  2. 异构网络表示学习Heterogeneous Network Representation Learning是当前自数据挖掘以及其他应用的研究热点，在众多任务中具有重要的应用。近日，UIUC韩家炜等学者发布了异构网络表示学习的综述大全，共15页pdf111篇参考文献，从背景知识到当前代表性HNE模型和应用研究挑战等，是最新可参考绝好的异构网络表示学习模型的文献。

  3. 所属分类：机器学习

    • 发布日期：2020-04-02
    • 文件大小：2097152
    • 提供者：syp_net

  1. 基于深度学习的图表示学习方法综述（Deep Learning for Learning Graph Representations）.pdf

  2. 图，如社交网络、单词共存网络和通信网络，广泛地存在于各种现实应用中。通过对它们的分析，我们可以深入了解社会结构、语言和不同的交流模式，因此图一直是学界研究的热点。

  3. 所属分类：机器学习

    • 发布日期：2020-03-24
    • 文件大小：1048576
    • 提供者：syp_net

  1. 贝加莱 PVI通讯 TM710.pdf

  2. 贝加莱 PVI通讯 TM710pdf,贝加莱 PVI通讯 TM710简介 前提 培训模块: TM700-Automation net pvi 软件 Windows nt/2000/ XP PV Server Runtime 硬件: PC PⅥ通讯TM7101 目录 1·简介……………………………………………………………………………………… 1.1目的………………………………………………………………………………………………4 2·PV-客护端通讯…………………………………………………………………

  3. 所属分类：其它

    • 发布日期：2019-10-13
    • 文件大小：2097152
    • 提供者：weixin_38744207

  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题，利用电力通信网的带宽和距离作为权值，计算电力通信网节点的多种 评价指标：节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标，利用快速密度聚类方 法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类， 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：403456
    • 提供者：weixin_38743481

  1. 神经自然语言处理进展综述：建模，学习，推理

  2. 深度神经网络极大促进了自然语言处理技术的发展。来自微软亚研的周明、段楠、刘树杰、沈向洋发表了神经自然语言处理的进展，从表示到建模再到推理，共16页pdf，值得详细查看。

  3. 所属分类：机器学习

    • 发布日期：2020-08-15
    • 文件大小：2097152
    • 提供者：syp_net

  1. 网络表示学习综述.pdf

  2. 网络数据形式可以自然地表达物体与物体之间的联系，在我们的日常生活中无处不在。例如社交网络、引文网以及国家电网和交通网络中。这些网络数据对于我们处理具体的事务非常有帮助，在传统的机器学习算法中，我们可以利用输入的数据来进行模型的建模以及对数据的分析，但是对于网络结构而言，我们最直观的一个问题就是如何合适的表示网络信息，传统的网络表示一般使用的是高维的稀疏向量，但是高维的表示也成为了人们使用统计学习方法时的局限所在，因为高维的向量将会花费更多的运行时间和计算空间。

  3. 所属分类：其它

    • 发布日期：2020-11-05
    • 文件大小：1048576
    • 提供者：weixin_43198122