发表评论
508 views
发表评论
1013 views
中文标题：Genie: 生成式交互环境
英文标题：Genie: Generative Interactive Environments
发布平台：预印本
发布日期：2024-02-23
引用量（非实时
发表评论
571 views
中文标题：大型社区样本调研：新冠对认知和记忆的影响
英文标题：Cognition and Memory after Covid-19 in a Large Community Sa
发表评论
1262 views
中文标题：从图像中进行自监督学习，采用联合嵌入预测架构
英文标题：Self-Supervised
发表评论
824 views
中文标题：世界模型
英文标题：World Models
发布平台：NeurIPS
发布日期：2018-03-28
引用量（非实时）：1031
DOI：10.5281/ZENODO.1207631
作者：Dav
发表评论
624 views
中文标题：语言模型表征空间和时间
英文标题：Language Models Represent Space and Time
发布平台：预印本
发布日期：2023-01-01
引用量（非实时）：
DOI：10.48550/ARXIV.2310.02207
作者：Wes Gurnee
发表评论
615 views
发表评论
874 views
中文标题：GraphCare: 通过个性化知识图谱增强医疗保健预测
英文标题：GraphCare: Enhancing Hea
发表评论
542 views
循环神经网络（RNNs）：具有隐状态、不同层参数共享的神经网络
常见的三种基础 RNNs ：RNN、GRU、LSTM
RNN
隐变量模型：使用隐状态 $h_{t-1}$ 存储前 $t-1$ 步的序列信息 $$P(x_t|x_{t-1},...,x_1)\approx P(x_t|h_{t-1})$$ $$h_t=f(x_t,h_{t-1})$$ 循环神经网络（recurrent neural networks，RNNs） 是具有隐状态的神经网络
假设时刻 $t$ 的输入为 $X_t \in \mathbb{R}^{n\times d}$，对应的权重参数为 $W
发表评论
627 views
卷积神经网络（CNN）：引入了卷积操作的神经网络
普通卷积
严格来说，卷积层是个错误的叫法，因为它所表达的运算其实是互相关运算（cross-correlation）
二维互相关运算示例：
汇聚/池化层
池化（pool）层的优点：降低卷积层对位置的敏感性
常用池化层分两种：最大池化层和平均池化层，前者示例如下：
类似于卷积层，池化层也会有填充和步幅，使用大于 1 的步幅可以起到降维的作用
不同于卷积层，池化层在每个输入通道上是单独计算的，所以池化层的输出通道数等于输入通道数
膨胀卷积
膨胀（dilated）卷积，也称