簡述基于神經(jīng)網(wǎng)絡的抽取式摘要方法

將文本摘要建模為序列標注任務的關鍵在于獲得句子的表示，即將句子編碼為一個向量，根據(jù)該向量進行二分類任務，例如 AAAI17 中，Nallapati 等人...

2019-04-01 標簽：神經(jīng)網(wǎng)絡數(shù)據(jù)集強化學習 8.2k 0

傳統(tǒng)圖像與視頻壓縮技術

從以上的編解碼過程中，我們可以看到，先驗概率估計的精確程度對編碼的效率影響很大。HEVC使用動態(tài)更新的概率模型實現(xiàn)自適應二進制算術編碼。

2018-06-30 標簽：圖像壓縮數(shù)據(jù)集深度學習 8.2k 0

斯坦福NLP的強大QA數(shù)據(jù)集

SQuAD數(shù)據(jù)集從超過500篇百科文章中收集了超過10萬個問題，文章的每一段都列出一系列獨立的問題和與之相對應段落內(nèi)一段連續(xù)內(nèi)容作為答案。這種方式又稱為...

2019-03-05 標簽：AI機器數(shù)據(jù)集 7.9k 0

企業(yè)數(shù)字化轉型趨勢是“數(shù)據(jù)”引領業(yè)務變革，數(shù)據(jù)集中管控成為大勢所趨

構建以“云”技術架構為支撐，以“共享服務”為建設方向的企業(yè)級數(shù)據(jù)治理平臺，為企事業(yè)單位的信息系統(tǒng)建設和深入應用提供標準和規(guī)范保障，為各單位、各部門、各系...

2019-03-21 標簽：數(shù)字化數(shù)據(jù)分析數(shù)據(jù)集 7.9k 0

Hinton等人新研究告訴你：標簽平滑技術到底怎么用！

為了對這一現(xiàn)象進行解釋，本文對標簽平滑對網(wǎng)絡倒數(shù)第二層表示的影響進行了可視化，發(fā)現(xiàn)標簽平滑使同一類訓練實例表示傾向于聚合為緊密的分組。這導致了不同類的實...

2019-07-07 標簽：神經(jīng)網(wǎng)絡數(shù)據(jù)集標簽 7.7k 0

一種稱為標簽映射（LM）的方法來解決大規(guī)模分類問題？

CIFAR-100 數(shù)據(jù)集由60000張100個類別的32x32彩色圖像構成，每個類別有500張訓練圖像和100張測試圖像。我們使用一個簡單的 CNN ...

2018-07-03 標簽：圖像數(shù)據(jù)集深度學習 7.6k 0

一文詳解遷移學習

遷移學習需要將預訓練好的模型適應新的下游任務。然而，作者觀察到，當前的遷移學習方法通常無法關注與任務相關的特征。在這項工作中，作者探索了重新聚焦模型注意...

2023-08-11 標簽：算法機器學習數(shù)據(jù)集 7.4k 0

一些在文本數(shù)據(jù)量不夠大的時候可用的一些實用方法

在這篇文章中，我將展示一些由我自己開發(fā)或是我在文章、博客、論壇、Kaggle和其他一些地方發(fā)現(xiàn)的方法，看看它們是如何在沒有大數(shù)據(jù)的情況下讓深度學習更好地...

2018-11-19 標簽：機器學習數(shù)據(jù)集深度學習 7.3k 0

一種新的表示學習方法——對比預測編碼

對于語音，我們使用了公開的LibriSpeech數(shù)據(jù)集中100小時的子數(shù)據(jù)集。雖然數(shù)據(jù)集不提供原始文本以外的標簽，但我們使用Kaldi工具包獲得了強制對...

2018-07-14 標簽：編碼器數(shù)據(jù)集深度學習 7.2k 0

對抗性解耦學習，讓“夏蟲語冰”

面臨上述的訓練和測試數(shù)據(jù)之間的領域差異的問題，簡單地應用數(shù)據(jù)驅動的模型可能導致模型聚焦于每個領域的偏差，即便訓練數(shù)據(jù)是充足的。為了避免該問題，本文研究了...

2019-06-07 標簽：數(shù)據(jù)集解耦遷移學習 7.1k 0