在语言学上，词性(Par-Of-Speech, Pos )指的是单词的语法分类，也称为词类。同一个类别的词语具有相似的语法性质，所有词性的集合称为词性标注集。不同的语料库采用了不同的词性标注集，一般都含有形容词、动词、名词等常见词性。下图就是HanLP输出的一个含有词性的结构化句子。
———————... ...
分类：
其他好文 时间：
2020-02-11 13:14:01
阅读次数：
105
Multilayer perceptron 1. mlp 多层感知机在单层神经网络的基础上引入了一到多个隐藏层。多层感知机的隐藏层中的神经元和输入层中各个输入完全连接，输出层中的神经元和隐藏层中的各个神经元也完全连接。 1.1 隐藏层 若对每个全连接层做仿射变换，无论添加多少隐藏层都仍然等价于仅含输 ...
分类：
其他好文 时间：
2020-02-06 12:38:38
阅读次数：
73
单层的感知机结构可写成以下公式： y=XW+b(y = Σxi*wi+b) 这里单层感知机的激活函数改成使用现代化的sigmoid激活函数 # 定义网络结构 x=tf.random.normal([1,3]) w=tf.ones([3,1]) b=tf.ones([1]) y = tf.consta ...
分类：
其他好文 时间：
2020-01-29 01:04:28
阅读次数：
100
1. 感知机模型 输入为实例的特征向量， 输出为实例的类别， 取+1和-1；感知机对应于输入空间中将实例划分为正负两类的分离超平面， 属于判别模型；导入基于误分类的损失函数；利用梯度下降法对损失函数进行极小化；感知机学习算法具有简单而易于实现的优点， 分为原始形式和对偶形式；1957年由Rosenb ...
分类：
其他好文 时间：
2020-01-26 11:40:01
阅读次数：
130
1.感知器算法原理 两类线性可分的模式类：，设判别函数为：。 对样本进行规范化处理，即类样本全部乘以(-1)，则有： 感知器算法通过对已知类别的训练样本集的学习，寻找一个满足上式的权向量。 2.算法步骤 （1）选择N个分属于和类的模式样本构成训练样本集{ X1, …, XN }构成增广向量形式，并进 ...
分类：
编程语言 时间：
2020-01-19 12:53:06
阅读次数：
159
模型类型 参数模型 统计学中，参数模型通常假设总体服从某一个分布，该分布由一些参数确定(正太分布由均值和方差确定)，在此基础上构造的模型称为参数模型 包括 逻辑回归 线性成分分析 感知机 优点 间洁：理论容易理解和解释结果 快速：参数模型学习和训练的速度都很快 数据更少：通常不需要大量的数据，在对数 ...
分类：
其他好文 时间：
2020-01-07 13:13:50
阅读次数：
113
先记录一下一开始学习torch时未曾记录(也未好好弄懂哈)导致又忘记了的tensor、variable、计算图 计算图 计算图直白的来说，就是数学公式(也叫模型)用图表示，这个图即计算图。借用 https://hzzone.io/cs231n/%E7%90%86%E8%A7%A3-PyTorch-% ...
分类：
其他好文 时间：
2020-01-03 00:29:38
阅读次数：
88
多层感知机 上图所示的多层感知机中，输入和输出个数分别为4和3，中间的隐藏层中包含了5个隐藏单元（hidden unit）。由于输入层不涉及计算，图3.3中的多层感知机的层数为2。由图3.3可见，隐藏层中的神经元和输入层中各个输入完全连接，输出层中的神经元和隐藏层中的各个神经元也完全连接。因此，多层 ...
分类：
其他好文 时间：
2019-12-26 19:31:08
阅读次数：
116
感知机 一、感知机模型 定义（感知机） ：假设输入空间（特征空间）是 $\chi \subseteq\R^n$ ,输出空间是 $Y=\{+1, 1\}$ .输入$x\in\chi$ 表示实例的特征向量，对应于输入空间（特征空间）的点；输出$y\in Y$表示实例的类别，由输入空间到输出空间的的如下函 ...
分类：
其他好文 时间：
2019-11-25 23:18:21
阅读次数：
88
我们知道较早的分类模型——感知机（1957年）是二类分类的线性分类模型，也是后来神经网络和支持向量机的基础。 1、感知机模型 感知机模型是一种二分类的线性分类器，只能处理线性可分的问题，感知机的模型就是尝试找到一个超平面将数据集分开，在二维空间这个超平面就是一条直线，在三维空间就是一个平面。 2. ...
分类：
编程语言 时间：
2019-11-16 14:39:15
阅读次数：
96
