[深度学习] 中文电子病历命名实体识别的主动学习方法研究

说明： 主动学习通过选择现有模型中未充分训练的数据进行迭代训练,从而利用少量标注数据训练出较高性能的模型。 传统的主动学习方法只关注数据本身的信息量而忽略了该数据是否孤立。论文提出一种改进的主动学习方法,利用相似病 历中出现的词汇往往雷同的特点,以文档中文字的分布衡量其在样本集的普遍程度,并以此对信息量进行加权。而后实现 该方法,并进行了与消极学习和传统主动学习方法的对比实验。结果表明,该方法相对消极学习与传统的主动学习方法, 效果有明显提升,能够减少对标注数据的需求。
<beaujor> 在 上传 | 大小：3145728

[深度学习] 人脸识别Python代码

说明： 人脸识别Python代码人脸识别Python代码人脸识别Python代码人脸识别Python代码人脸识别Python代码
<beaujor> 在 上传 | 大小：29360128

[深度学习] 基于lstm的语义相似度计算模型代码

说明： 基于lstm的语义相似度计算模型，使用百度qa的数据集进行实验。
<qq_37921845> 在 上传 | 大小：8192

[机器学习] 多标签(multi-label)数据问题常用的分类器或者分类策略

说明： 目前有很多关于多标签的学习算法，依据解决问题的角度，这些算法可以分为两大类：一是基于问题转化（Problem Transformation）的方法，二是基于算法适应的方法和算法适应方法（Algorithm Adaptation）。基于问题转化的多标记分类是转化问题数据，使之适用现有算法；基于算法适应的方法是指针对某一特定的算法进行扩展，从而能够直接处理多标记数据，改进算法，适应数据。
<beaujor> 在 上传 | 大小：104448

[机器学习] 基于crfsuited的医疗命名实体抽取的Python实现

说明： 基于crfsuited的医疗命名实体抽取的Python实现 医疗电子病例命名实体识别评测任务的一个可执行demo，采用的方法是条件随机场(CRF)，实现CRF的第三方库为[python-crfsuite]。目前该demo准确率为68%，召回率为62%，F1值为64.8%。
<beaujor> 在 上传 | 大小：414720

[深度学习] Deep Learning, Vol. 2 From Basics to Practice

说明： – Volume 2 – 20 Deep Learning 21 Convolutional Neural Nets (CNNs) 22 Recurrent Nerual Nets (RNNs) 23 Keras Part 1 24 Keras Part 2 25 Autoencoders 26 Reinforcement Learning 27 Generative Adversarial Networks (GANs) 28 Creative Applications 29 Dataset
<yripple> 在 上传 | 大小：47185920

[深度学习] Deep Learning, Vol. 1 From Basics to Practice

说明： Volume 1 – 1 Introduction to Machine Learning 2 Statistics 3 Probability 4 Bayes' Rule 5 Curves And Surfaces 6 Information Theory 7 Classification 8 Training And Testing 9 Overfitting And Underfitting 10 Neurons 11 Learning And Reasoning 12 Data Pre
<yripple> 在 上传 | 大小：40894464

[机器学习] 基于点云库的服务机器人视觉识别算法研究_张强

说明： 本文对基于的机器人视觉识别算法进行了研究，构建了家庭常见物体 的点云数据模型库，提出了一种雄干形状特征的实时识别算法，分析了算法过程 中的主要点云处理步骤，如点云分割、特征提取等过程，并完成了人机交互界面 设计，最终集成到了机器人操作系统上，实现了节点通讯，并对实验结果 进行了分析。
<zhlm88> 在 上传 | 大小：11534336

[机器学习] 概率图模型

说明： Statistical learning refers to a set of tools for modeling and understanding complex datasets. It is a recently developed area in statistics and blends with parallel developments in computer science and, in particular, machine learning. The field en
<qq_21583515> 在 上传 | 大小：58720256

[机器学习] 大数据时代的自然语言理解技术 刘知远 清华大学自然语言处理实验室

说明： 1. 什么是自然语言理解 2. 自然语言理解的复杂度 3. 自然语言理解的科学意义 4. 自然语言理解的应用价值 5. 中文自然语言理解的重要意义 6. 大数据时代的自然语言理解 7. 典型应用
<subrain> 在 上传 | 大小：26214400

[机器学习] 应用多元统计

说明： All sciences of observation follow the same course. One begins by observing a phenomenon, then studies all associated circumstances, and finally, if the results of observation can be expressed numerically [Quetelet's italics], estimates the inten- s
<qq_21583515> 在 上传 | 大小：47185920

[机器学习] 应用线性代数导论

说明： This book is meant to provide an introduction to vectors, matrices, and least squares methods, basic topics in applied linear algebra. Our goal is to give the beginning student, with little or no prior exposure to linear algebra, a good grounding in
<qq_21583515> 在 上传 | 大小：6291456