文章目录二、ResNet（残差网络）总结普通神经网络是由输入层、隐藏层、输出层组成，当参数过多，训练就会变的很慢，这个时候就可以减少参数。输入层：输入的不是一个特征，一个维度，而是一个长方体的矩阵（三维的）卷积层：提取特征。举例：输入一个数据维度是7x7x3，7x7表示图像h=7，w=7，有三个通道。Filter W0表示先随机初始化一组权重参数，这里强调一下，输入数据维度通道数与Filter W

一、对抗生成网络（GAN）可以生成新的图片或数据。或者让计算机生成人脸图片，用于警察寻找犯罪嫌疑人。生成器目标是生成的东西越真越好，判别器要随着生成器生成的东西，还能判断真假。二、GRUGRU相比LSTM的门减少了很多。LSTM中有输入门，遗忘门，输出门；GRU里面有更新门与重置门。更新门更新门帮助模型决定到底要将多少过去的信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的。

文章目录二、ResNet（残差网络）总结普通神经网络是由输入层、隐藏层、输出层组成，当参数过多，训练就会变的很慢，这个时候就可以减少参数。输入层：输入的不是一个特征，一个维度，而是一个长方体的矩阵（三维的）卷积层：提取特征。举例：输入一个数据维度是7x7x3，7x7表示图像h=7，w=7，有三个通道。Filter W0表示先随机初始化一组权重参数，这里强调一下，输入数据维度通道数与Filter W

一、SVM（支持向量机）示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarni

论文创新点1.将BERT与指针生成网络（PGN）相结合，提出了一种面向中文新闻文本的生成式摘要模型，实现快速阅读；2. 结合多维语义特征的BERT-PGN模型对摘要原文的理解更加充分，生成的摘要内容更加丰富，全面且有效地减少重复、冗余内容的生成；概念及模型首先利用预训练语言模型 BERT 获取新闻文章的词向量，同时利用多维语义特征对新闻中的句子进行打分，将二者进行简单拼接生成输入序列；然后将得到的

输入：date = “2019-01-09”输出：9解释：给定日期是2019年的第九天。pythonclass Solution(object):def dayOfYear(self, date):year, month, day = map(int, date.split('-'))days = [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31]if