- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 洞察谜题：用简单的数学模型探索复杂的因果关系
因果关系的一个常识性的定义，可以说就是一种将一个先发生的事件(原因)与另一件事(结果)关联起来的关系。尽管许多扔掉的烟头并不会引发火灾，但我们还是将火灾归咎于这种人类行为，而忽视了其他因素，例如树枝摩擦或雷击引起的火花，或者未能修剪通往森林的草地等疏忽行为。如果事件A的发生意味着事件B的发生，那么A是B的充分原因。因此，让我们使用一些简化的数学模型探索多因素的因果关系吧，这里我们仅考虑三个诱发因素，并忽略这些因素在时间尺度上的相互作用。同样，事件A也可能是充分非必要原因，事件C也可能导致事件B的发生。
2023-06-11 15:22:14
60
转载 泛在的AI与数字上帝—AI视野（五） 张江
真正厉害的东西往往是那些隐藏在幕后的无形存在，AI也是如此。那些有形有像的机器人不算什么，而真正的高手是那些无处不在的智能算法，我们将这些没有实相的程序总体称为泛在的AI。它们虽没有硬件，甚至没有用户界面，但却真真切切地影响、改变了我们的生活。从手机上的智能导航，到滴滴打车中的动态匹配算法，从推荐搜索到个性化，这些像空气一样存在的AI程序早已经渗透到了我们的周边。随着人类社会的数字化程度越来越高，这一类泛在的AI会发挥越来越大的作用，甚至会给我们整个宏观经济系统贡献80%以上的GDP。
2023-06-11 15:13:23
445
转载 比阿蒂亚爵士的“证明”看起来靠谱许多的黎曼猜想证明
今天在推上看了一篇 Bahattin Gunes 的论文《The Riemann Hypothesis and Its Proof》，感觉很有意思，所以就把他最主要最核心的证明思路整理了一下，感觉比Atiyah爵士的“证明”靠谱许多。老实说，看了 Atiyah 爵士 PPT 的视频，感觉老爷子如果不是把99%的惊天逆转细节都藏了起来而只把一些看起来很没逻辑的结论放出来，那就是老年开启胡扯模式来娱乐大众来了。如果真的就这么简单就能证明困扰人类一个半世纪的希尔伯特难题，那也真的是一件非常神奇的事情。
2023-06-11 15:12:14
59
转载 汽车生产制造行业BI数据可视化分析案例
汽车生产制造的四大流程在展示汽车生产制造行业商业智能 BI 可视化分析案例之前，我们有必要大致了解一下汽车生产制造的流程。汽车生产制造主要有四大工艺，即：冲压、焊接、涂装和总装，最后是 PDI 售前检查。冲压工艺 - 将钢板变成车身零部件焊装工艺 - 将车身零部件焊接形成车身总成涂装工艺 - 对车身防腐蚀和增加美观总装工艺 - 将车身、发动机、变速器、车门等装配成整车以上只是对四大工艺环节做一个简单介绍，实际上每一个生产环节都是一个系统工程，都需要有严格的作业环境条件
2023-06-11 15:11:02
212
转载 比搞笑诺贝尔奖更搞笑的研究
即父母生病给子女针灸，子女生病给父母针灸，甚至兄弟姊妹之间针灸互治，如果量子纠缠理论真的适用于针灸临床，那么即便患者与被针刺者相隔距离很远，也会产生治疗效果。作者的结论是这样的：笔者运用量子纠缠理论实现针灸临床的直系亲属互治，且效果显著，结果提示疾病与直系亲属的相应腧穴之间存在着量子纠缠的耦合关系。小编心想，有人研究物理，有人研究中医，本来没有问题，但为了某些目的把毫无关系的理论生硬掺杂，未经考证就发表，未免贻笑大方。粒子之间有量子纠缠，人体是粒子组成的，所以人体内部，人与人之间就有量子纠缠吗？
2023-06-11 15:09:45
444
转载 推荐系统遇上深度学习(十八)-探秘阿里深度兴趣网络浅析及实现
阿里近几年公开的推荐领域算法有许多，既有传统领域的探索如MLR算法，还有深度学习领域的探索如entire -space multi-task model，Deep Interest Network等，同时跟清华大学合作展开了强化学习领域的探索，提出了MARDPG算法。上一篇，我们介绍了MLR算法，通过分而治之的思想改进了传统的LR算法，使其能够拟合更复杂的线性关系。
2023-06-10 15:22:45
118
转载 推荐系统遇上深度学习(十五)--
强化学习在各个公司的推荐系统中已经有过探索，包括阿里、京东等。之前在美团做过的一个引导语推荐项目，背后也是基于强化学习算法。本文，我们先来看一下强化学习是如何在京东推荐中进行探索的。本文来自于paper：《Deep Reinforcement Learning for List-wise Recommendations》
2023-06-10 15:20:33
54
转载 推荐系统遇上深度学习(二十五)--当知识图谱遇上个性化推荐
知识图谱于2012年5月17日由Google正式提出，其初衷是为了提高搜索引擎的能力，改善用户的搜索质量以及搜索体验。随着人工智能的技术发展和应用，知识图谱逐渐成为关键技术之一，现已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。知识图谱的官方定义如下：知识图谱是Google用于增强其搜索引擎功能的知识库。本质上, 知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。（来自维基百科）。
2023-06-10 15:18:08
89
转载 推荐系统遇上深度学习(二十六)--知识图谱与推荐系统结合之DKN模型原理及实现
给定义一个用户useri,他的点击历史记为{t1,t2,t3,....,tN}是该用户过去一段时间内层点击过的新闻的标题，N代表用户点击过新闻的总数。每个标题都是一个词序列t={w1,w2,w3,....,wn},标题中的单词有的对应知识图谱中的一个实体。举例来说，标题《Trump praises Las Vegas medical team》其中Trump与知识图谱中的实体“Donald Trump”对应，Las和Vegas与实体Las Vegas对应。
2023-06-10 15:17:01
169
转载 推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭！
为了实现自动学习显式的高阶特征交互，同时使得交互发生在向量级上，文中首先提出了一种新的名为压缩交互网络（Compressed Interaction Network，简称CIN）的神经模型。在CIN中，隐向量是一个单元对象，因此我们将输入的原特征和神经网络中的隐层都分别组织成一个矩阵，记为X^0 和 X^k。CIN中每一层的神经元都是根据前一层的隐层以及原特征向量推算而来，其计算公式如下：其中点乘的部分计算如下：我们来解释一下上面的过程，第k层隐层含有H_k条神经元向量。
2023-06-10 15:16:32
45
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人