零 前言0.1 不同的建模思路之前讨论的回归模型，如线性回归、Logistic等都是在x的情况下对y的估计，即对p(y|x;θ)进行建模。为什么使用这样一个条件概率？我们可以从直角坐标系出发给出一个感性的理解。若有m个特征，即xi最大下标为m，每个特征对应不同的一个x轴，其与相同的y轴构成了多个y-xi平面，在每个平面都有一个曲线，拟合结果是给定每个xi得到预测yi的总和。所以都是给定...

零、前言对于条件分布(y|x;θ)，对于线性回归模型有，而对分类问题有。其实这些分布均是广义线性模型（GLM）的特殊情况。我们通过定义广义线性模型，可以据此求出拟合函数h(x) 一、指数分布族（Exponential Family）其定义如下其中，η称为自然参数（natural parameter），T(y)称为充分统计量（sufficient statistic）（通...

作者：麋路链接：https://www.zhihu.com/question/24015486/answer/194284643来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。流形学习的观点是认为，我们所能观察到的数据实际上是由一个低维流形映射到高维空间上的。由于数据内部特征的限制，一些高维中的数据会产生维度上的冗余，实际上只需要比较低的维度就能唯一地表示。举个例子，

一、BP神经网络的概念    BP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。具体来说，对于如下的只含一个隐层的神经网络模型：(三层BP神经网络模型)BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层

记住了 就这条命令，以pytorch0.4.1，cuda10，torchvison0.2.1为例，可以自由更换版本conda install pytorch=0.4.1 torchvision=0.2.1 cudatoolkit=10.0 -c pytorch

1. 什么是神经网络  人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN）或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。  神经网络主要由：输入层，隐藏层，输出层构成。当隐藏层只有一层时，该网络为两层神经网络，由于输入层未做任...

作者：麋路链接：https://www.zhihu.com/question/24015486/answer/194284643来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。流形学习的观点是认为，我们所能观察到的数据实际上是由一个低维流形映射到高维空间上的。由于数据内部特征的限制，一些高维中的数据会产生维度上的冗余，实际上只需要比较低的维度就能唯一地表示。举个例子，

论文地址：HOTPOTQA: A Dataset for Diverse, Explainable Multi-hop Question Answering论文来源：EMNPL 2018问题介绍：问答（QA）的任务提供了一种可量化和客观的方法来测试智能系统的推理能力。而很多数据集却有以下不足，一，一些数据集主要关注在单段落，单文档，单跳的推理能力测试；二，基于知识库的数据集结构受限，问题与回答多样

零、总述论文标题：Translating Embeddings for Modeling Multi-relational Data

作者：秋去冬来春未远链接：https://zhuanlan.zhihu.com/p/33777286来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。权威定义哎，越扯越扯不清的感觉。我们还是看看比较权威的定义吧。维基百科上对于物联网的定义是“The Internet of things (IoT) is the network of physical devices,