自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 Off-policy learning in Two-stage Recommender System学习摘录

Abstract推荐系统对可伸缩性的需求,因为在推荐系统中,数百万的条目要在数毫秒内匹配数十亿计的用户。两阶段系统具有良好的可伸缩性,第一阶段是有效的候选项生成模型,第二阶段是更强大的排名模型。论文提出背景用于构建候选项生成模型和排名模型的数据是来自用户对之前系统推荐的条目的反馈,这带来了偏差。近年来,越来越多的人开始关注这一问题。然而,大部分的工作要么是假设推荐系统是一个单阶段的系统,要么是只研究如何将off-policy修正应用到系统的候选生成阶段,而没有明确考虑这两个阶段之间的交互作用。该论

2020-08-21 14:57:50 911

原创 GCN为什么是低通滤波器?

信号系统的卷积时域卷积:y(t)=x(t)∗h(t)y(t) = x(t) * h(t) y(t)=x(t)∗h(t)转化到频域:Y(ω)=X(ω)H(ω)Y(\omega) = X(\omega)H(\omega)Y(ω)=X(ω)H(ω)频率响应函数:H(ω)=Y(ω)X(ω)H(\omega) = \frac{Y(\omega)}{X(\omega)}H(ω)=X(ω)Y(ω)​其中ω\omegaω为频率,因此H(ω)H(\omega)H(ω)中ω\omegaω的范围就确定了

2020-08-17 10:22:50 1393 1

原创 Understanding User Behavior For Document Recommendation学习摘要

introduction论文提出背景近年来,关于可解释推荐的话题受到越来越多的关注,人们也提出了多种方法来解释推荐结果。但是,很少有工作专门关注用户与解释的交互以及它们在文档推荐中的有效性。研究解释对用户行为的影响,对于理解用户如何理解解释,识别更好的解释设计,提高整体用户体验具有重要意义。文档推荐与其他推荐的区别文档推荐与其他推荐(如电影和商品)有着重要的区别。人们通常对文档非常了解(例如,文档的类型、作者以及最后一次与文档交互的时间),他们通常有一个明确的目标,即在访问文档平台时查找或重新查找特

2020-08-15 10:18:32 398

原创 pytorch + pyG实现GCN并分析代码

开发环境安装pytorch 1.4.0Pytorch Geometric 1.6.1pytorch的安装网上教程已经说的很详细了,我就不再赘述了,有需要的朋友请自行百度解决。Pytorch Geometric的安装我发现网上的教程绝大部分都需要科学上网,这一步就难倒一部分同学(也包括我),所以我在这里就提供一种更方便的方法。(建议先把pip的下载源改为国内镜像,比如清华源)命令如下:pip install torch_scatter==latest+${CUDA} -f https://pyto

2020-08-08 18:05:14 8405 32

原创 机器学习笔记(三)——线性回归、逻辑回归、神经网络、SVM

原博客地址

2020-07-26 14:50:57 415

原创 机器学习笔记(二)——正向传播和反向传播

关于上面w和w的转置的问题,可以参考这篇博客进行理解。反向传播算法的矩阵维度分析

2020-07-25 16:24:44 535

原创 3D UNet学习笔记

3D Unet简介3D Unet网络的结构和2D Unet网络十分相似,只不过是把所有的2D操作全部替换成了3D操作。**除此以外的区别在于通道数翻倍的时机和反卷积操作。**在2D Unet中,通道数翻倍的时机在下采样后的第一次卷积时;而在3D Unet中,通道数翻倍发生在下采样或上采样前的卷积中。对于反卷积操作,区别在于通道数是否减半,2D Unet中通道数减半,而3D Unet中通道数不变。避免了网络结构的瓶颈和使用batch normalization来加快收敛。两种分割方式半自动分割和全自

2020-06-06 09:24:35 5086

原创 机器学习笔记(一)

机器学习笔记机器学习问题监督学习回归问题:线性回归算法分类问题:逻辑回归算法无监督学习聚类算法目标函数or代价函数方差交叉熵求解目标函数(最小代价函数)的方法梯度下降算法正规方程轭梯度法 BFGS (变尺度法)L-BFGS (限制变尺度法)过拟合和欠拟合欠拟合:不能很好地适应训练集的拟合。过拟合:完美的适应训练集的拟合。无论是过拟合还是欠拟合都是不合适的。欠拟合既不能适应训练集,预测效果也不好;过拟合虽然很好地适应了训练集,但预测效果可能不好。

2020-05-29 20:10:06 202

原创 V-Net网络学习

V-Net简介

2020-05-24 19:17:58 7940 7

原创 Magenta的安装和使用

Magenta的安装和使用Magenta是Google的一个开源研究项目,Google将它解释为利用机器学习创造音乐和艺术。下面是几个与它相关的网站:1.项目github网址:https://github.com/tensorflow/magenta2.官方网站:https://magenta.tensorflow.org/这篇博客将介绍如何安装Magenta,以及怎样运行一个已经训练好...

2019-09-07 16:14:59 5255 6

转载 Java的权限控制符

Java中的权限控制符Private:类中限定为Private的成员,只能被这个类本身访问。 default:类中不加任何访问权限限定的成员属于默认的(default)访问状态:Friendly,可以被这个类本身和同一个包中的类所访问。Protected:类中限定为Protected的成员,可以被这个类本身、它的子类(包括同一个包中以及不同包中的子类)和同一个包中的所有其他的类访问。P...

2018-09-06 15:04:35 1211

原创 python爬虫(一):模拟登陆微博

最近花了不少时间来学python爬虫,觉得还是有很多问题的,比如说requests.get获得Pixiv的网页源代码,一直获取不到,不过我猜测大概是headers的问题,准备之后处理。 废话少说我们先来讲一讲模拟登陆微博的问题。第一步:用Chrome来抓包打开微博(https://www.weibo.cn,这个是手机微博的网址,之所以用这个网址,是因为源代码少,方便分析)点击...

2018-08-18 21:03:41 2508

转载 shell中for循环文件路径查找

查看某目录下个文件的属性for file in for file in /home/username*doif [ -d "$file" ]then echo "$file is directory"elif [ -f "$file" ]then echo "$file is file"fidone输出结果:/home/username/Desktop is ...

2018-08-07 15:16:34 6446

转载 shell命令echo和read总结

echoecho输出的字符串总结 引号 能否引用变量 能否引用转移符 能否引用文本格式符(如:换行符、制表符) 单引号 否 否 否 双引号 能 能 能 无引号 能 能 否readread 命令一个一个词组地接收输入的参数,每个词组需要使用空格进行分隔;如果输入的词组个数大于需要的参数个数,则多出...

2018-08-03 11:20:16 1212

转载 Ubuntu中source、sh、bash、./ 执行shell脚本的区别

source命令用法source test.sh作用:在当前 bash 环境下读取并执行 test.sh 中的命令。该 test 文件可以无 “执行权限”bash和sh命令用法bash test.sh或sh test.sh作用:打开一个子shell来执行test.sh中的命令。该test文件也可以无”执行权限”./命令用法./test.sh作用:打开一...

2018-08-02 09:23:57 1078

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除