长短期记忆模型LSTM 首先想，为什么RNN的记忆性不够？我们可以把梯度消失问题转换成比较形象的解释，例如可能是输入权重Win没有很好地过滤掉输入噪音，还有可能是输出权重W_out没有很好地输出有用的

　　参照 char-rnn-tensorflow，使用RNN的字符模型，学习并生成古诗。    准备环境 tensorflow   训练 python train.py在使用GPU的情况下，两个小时内即可

　　在上一篇推文中，提到了如何运用序列建模进行机器翻译，机器翻译系统主要包含编码器和解码器，编码器负责将待翻译的句子进行特征表示，而解码器则负责将此特征用另外一种语言表示出来。神经机器翻译模型（Neura

　　1.原理概述 序列学习其实是深度学习中的一个应用非常广泛的概念，例如语音识别、语言建模、机器翻译、机器作曲、机器写稿、自动对话、QA系统等都属于序列学习的领域，今天讲讲解如何运用序列建模的思想来构建一

　　一般来说，用pandas处理小于100兆的数据，性能不是问题。当用pandas来处理100兆至几个G的数据时，将会比较耗时，同时会导致程序因内存不足而运行失败。 当然，像Spark这类的工具能够胜任处

　　前言 好久没有更新专栏，今天我们来看一个简单的Seq2Seq实现，我们将使用TensorFlow来实现一个基础版本的Seq2Seq，主要帮助理解Seq2Seq中的基础架构。   最基础的Seq2Seq

　　问题类型1：参数估计 真实值是否等于X？ 给出数据，对于参数，可能的值的概率分布是多少？   例子1：抛硬币问题 硬币扔了n次，正面朝上是h次。   参数问题 想知道 p 的可能性。给定 n 扔的次数

　　本次推文介绍用线性模型处理回归问题。从简单问题开始，先处理一个响应变量和一个解释变量的一元问题。然后，介绍多元线性回归问题（multiple linear regression），线性约束由多个解释变

　　前提： 假设你熟悉Python，TensorFlow和Jupyter notebooks。 我们的目标只是可视化计算图。   TensorFlow操作形成计算图。 而对于简单的例子，你可能可以查看代码

　　写在前面的话 深度强化学习可以说是人工智能领域现在最热门的方向，吸引了众多该领域优秀的科学家去发掘其能力极限。而深度强化学习本身也由于其通用性备受各个应用领域推崇，从端对端游戏控制、机器人手臂控制、推

　　1、引言 构建量化策略，首先需要找到具有所谓alpha的特征量，将这些特征量输入到数学模型学习出买入或者卖出信号，然后根据一定的出场规则出场。数学模型各种各样，有诸如线性回归、logistic回归的线

　　每一个股民都想选到强势股，因为这样的个股涨的非常快，也可以快速带来收益。在操作强势股票的时候，我们需要对个股进行k线技术形态的分析，还需要看盘中分时线形态。   强势个股的分时线通常情况下会比较挺拔有

　　导读： 通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。 每个算法都看了好几个视频，挑出讲的最清

　　这一篇，我们讨论广义线性回归模型的具体形式的另一种形式，逻辑回归（logistic regression）。 逻辑回归是用来做分类任务的。分类任务的目标是找一个函数，把观测值匹配到相关的类和标签上。学