【读论文】AlexNet （ImageNet Classification with Deep Convolutional Neural Networks）
这是一片十年前的文章（2012年），让我们回到十年前来看看Alex小哥、Hinton大佬和他的小伙伴们是怎么设计神经网络的。
论文下载地址：
李沐老师的精读视频：
人工智能
从零开始强化学习（四）——策略梯度
四. 策略梯度(Policy Gradient)
4.1 期望奖励(Expected Reward)
在强化学习中有3个组成部分：演员(actor),环境(environment)和奖励函数(reward function)
演员就是一个网络，输入状态，输出动作
环境就是一个函数，输入状态和动作，输出状态。环境是基于规则的规则，是确定不变的
奖励是在某一个状态下采取某个动作能够获得的分数。环境是
深入剖析 AI 大模型的反向传播原理
深入剖析 AI 大模型的反向传播原理：从理论到源码实现
本人掘金号，欢迎点击关注：掘金号地址
本人公众号，欢迎点击关注：公众号地址
一、引言在当今人工智能领域，大型语言模型如 GPT - 3、BERT 等取得了令人瞩目的成果。这些模型在自然语言处理、图像识别等众多任务中展现出强大的能力。而在训练这些大模型的过
优化算法matlab实现（八）人工蜂群算法matlab实现
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
1.代码实现
不了解人工蜂群算法可以先看看优化算法笔记（八）人工蜂群算法
实现代码前需要先完成优化算法matlab实现（二）框架编
【R实战 高级方法】十四、主成分和因子分析
这里是佳奥！R实战部分的学习进入后期，我们继续高级方法的学习。
主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。
探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。
首先，我们将回顾R中可用来做PCA或EFA的函数，并简略看一看相关分析流程。
跟着Nature Plants学作图：R语言ggplot2画分组折线图和置信区间
论文
The flying spider-monkey tree fern genome provides insights into fern evolution and arborescence
#Sec44
数据下载链接
大师兄的数据分析学习笔记(二十五）：聚类（一）
大师兄的数据分析学习笔记(二十四）：回归树与提升树
大师兄的数据分析学习笔记(二十六）：聚类（二）
一、监督学习和无监督学习
分类和回归都属于监督学习，监督学习的特点是有标注。
所谓标注也就是数据的特征，不管是分类还是回归都是通过标注进行区分数据。
而无监督学习没有标注，所以无监督学习的目的就是给数据加上标注。
进行标注的原则是，加过标注后的数据应该尽可能相似，而不同标注内的数据应该尽可能不同
自编码器 AE（AutoEncoder）程序
原文链接
1.程序讲解
（1）香草编码器
在这种自编码器的最简单结构中，只有三个网络层，即只有一个隐藏层的神经网络。它的输入和输出是相同的，可通过使用Adam优化器和均方误差损失函数，来学习如何重构输入。
在这里，如果隐含层维数（64）小于输入维数（784），则称这个编码器是有损的。通过这个约束，来迫使神经网络来学习数据的压缩表征。
input_size = 784
hidden_size = 6
