在做nlp任务时，我们常常和语音结合起来，即将语音转为文本，然后将文本做一系列任务。但是语音转换成文本，肯定有一系列错误。我们可以文本纠错文本纠错见我的另一篇博客。中文文本纠错 算例实现（有算例完整代码）这篇博客中提到要准备一个 正确词的txt。那究竟什么是正确词，对于特殊任务怎么办，于是我们得首先发现语音识别对那些词容易识别错误。然后将那些经常错误的词对于的正确词添加进文本纠错系统里的正确词tx

极限学习机(Extreme Learning Machine, ELM)极限学习机网络结构和BP网络结构类似。

一.单变量求解原始表格，我们的任务就是根据想要的利润，反推销售额第一步：单击利润单元格，数据选项卡，单变量求解第二步： 目标单元格为目标，目标值为利润25，可变单元格为销售额结果：销售额变了...

一.各种类型数据的录入1.数据输入加粗样式选中单元格后，左上侧会出现字母和数字，如图中的C9，即可在文中输入数据。2.货币输入在某一单元格输入框里右键选中设置单元格格式。3.数字输入如果我们想在文本中输入001，直接输入点击回车又变成了1解决方法在数字前加入英文格式单引号，使数据变成文本型点击回车单元格左上角有一个三角形表示是文本解决方法2，右键单击设置单元格格式，将数字设置为文本类型4.日期输入

人工智能的本质就是最优化。假设把任务比作是一碗饭，传统的解决方法，就是根据数学公式，然后一口气吃完饭，如果饭碗小，数学公式还行，如果饭碗大，数学公式能一口吃完饭吗？人工智能的本质就是有很多优化算法，优化算法等于是一口一口吃饭，再大的饭碗也能干。一.梯度下降算法梯度下降是一种非常通用的优化算法。假设在浓雾下，你迷失在了大山中，你只能感受到自己脚下的坡度，为了最快到达山底，最好的方法就是沿着坡度最陡的

在现实生活中，有时候我们写的程序需要发给小伙伴用，而小伙伴没有python，这时候我们需要将程序打包成exe文件发给小伙伴用。今天讲下打包深度学习模型打包一般要用到cmd命令行，要求cmd能执行python程序。因为我们一般将程序放在文件夹里，然后cmd直接进入文件夹。教程见链接：cmd执行python程序，文件夹直接进入cmd程序一.虚拟环境建立我们需要通过虚拟环境解决打包exe过大的问题。一般

本文讲解遗传算法求解问题的一般步骤，并通过遗传算法求解（最短路径）旅行商问题。

一.单变量求解原始表格，我们的任务就是根据想要的利润，反推销售额第一步：单击利润单元格，数据选项卡，单变量求解第二步： 目标单元格为目标，目标值为利润25，可变单元格为销售额结果：销售额变了...

电力项目：电力日负荷曲线预测（文末有程序、数据）

原理图运用场景：知道句子的前N-1个词，来预测第N个词。网络的流程：1.词语one-hot编码—————2.projection_layer层————3.hidden_layer层——————4.SoftMax层1准备工作这个代码是我在GitHub上看到的，原代码是针对英文，英文比较简单。我修改下针对中文。并给出Keras版代码。import numpy as npimport tensorflo