关键词：
2024年10月26日
数学库中包含许多有用的数学函数。math.h头文件提供这些函数的原型。表16.2中列出了一些声明在math.h中的函数。注意，函数中涉及的角度都以弧度为单位（1弧度=180/π=57.296度）。参考资料V“新增C99和C11标准的ANSI C库”列出了C99和C11标准的所有函数。
2024年10月26日
Google发布的TabNet是一种针对于表格数据的神经网络，它通过类似于加性模型的顺序注意力机制（sequential attention mechanism）实现了instance-wise的特征选择，还通过encoder-decoder框架实现了自监督学习。
表格数据是日常中用到的最多的数据类型。例如信用卡的欺诈检测：我们提取交易、身份、产品和网络属性（并将它们放入一个大的特征表中，不同的机器学习模型可以轻松地使用这些特征进行训练和推理。基于决策树的模型（例如随机森林或 XGBoost）是处理表格数据的首选算法，因为它们的性能、可解释性、训练速度和鲁棒性都是目前最好的。
2024年10月26日
SMU: smooth activation function for deep networks using smoothing maximum technique
尽管ReLU有一些严重的缺点，但由于其简单性，ReLU成为深度学习中最常见的选择。本文在已知激活函数Leaky ReLU近似的基础上，提出了一种新的激活函数，称之为Smooth Maximum Unit(SMU)。用SMU替换ReLU，ShuffleNet V2模型在CIFAR100数据集上得到了6.22%的提升。
2024年10月26日
今日重点
阅读一篇关于RNN网络可视化的代码，作者写的比较清晰易懂，可以用来借鉴。我找了好久，在博客园找到的这篇，强烈推荐博客园（https://www.cnblogs.com/cloud-ken/p/9327746.html）。
Tensorboard是一个神经网络可视化工具，通过使用本地服务器在浏览器上查看神经网络训练日志，生成相应的可是画图，帮助炼丹师优化神经网络。
油管上有单迪伦·马内在2017年做的汇报，很惊艳。主要包括了以下主要功能
2024年10月26日
TensorFlow中关于张量的运算主要有：数学运算，矢量运算及矩阵运算，另外在实际的张量运算过程中，支也支持与numpy的广播特性，不同维度的张量之间往往存在这低维张量向高维张量进行广播的现象，这也称之为张量的广播机制。本文主要从数学运算、矢量运算、矩阵运算三个方面介绍张量运算相关的内容，最后我们在大致了解以下张量的广播机制。
2024年10月26日
在凝聚态物理和量子力学中，电子-电子相互作用是影响材料性质的关键因素之一。电子之间的库伦排斥力可以显著影响电子的运动和材料的电子结构。然而，材料中的电子并非独立存在，而是会通过相互作用产生屏蔽效应，从而减弱实际感受到的库伦排斥力。屏蔽效应（Screening Effect）在金属、半导体、绝缘体等各种材料中都起到重要作用，它是理解导电性、能带结构以及许多物理现象的基础。本文将详细论述电子-电子相互作用的屏蔽效应，包括其物理机制、数学描述、在不同材料中的表现及其在凝聚态物理中的重要应用。
2024年10月26日
在前面的文章中，我们已经学习了TensorFlow激励函数的操作使用方法（见文章：快速掌握TensorFlow（三）），今天我们将继续学习TensorFlow。
本文主要是学习掌握TensorFlow的损失函数。
2024年10月26日
明敏 发自 凹非寺
量子位 报道 | 公众号 QbitAI
在我们的生活中，大到天体观测、小到MP3播放器上的频谱，没有傅里叶变换都无法实现。
通俗来讲，
2024年10月26日
卷积神经网络（CNN）主要是用于图像识别领域，它指的是一类网络，而不是某一种，其包含很多不同种结构的网络。不同的网络结构通常表现会不一样。从CNN的一些典型结构中，可以看到这些网络创造者非常有创造力，很多结构都非常巧妙，有机会再介绍现今主流的一些典型结构。 现在我们先来简单介绍一下卷积神经网络的原理。