生信发文真的卷，现在纯生信想发高分，除了难还是难，通常会被要求补实验才好发。
现实就是这么残酷，如果你的套路只停留在过去，你就只能做被卷的“低分崽”，想要降低发文难度，必须升级方法和套路！
1. 最小化代价函数优化方法：BGD、SGD、MBGD、动量、NAG、Adagrad、AdaDelta、Adam、AMSGrad、牛顿法；
2. 前馈神经网络的隐藏单元不一定在所有的输入点上可微；
3. CNN最大池化
2025年03月11日
生信发文真的卷，现在纯生信想发高分，除了难还是难，通常会被要求补实验才好发。
现实就是这么残酷，如果你的套路只停留在过去，你就只能做被卷的“低分崽”，想要降低发文难度，必须升级方法和套路！
2025年03月11日
图：pixabay
「机器人圈」编译：嗯~阿童木呀、多啦A亮
前两天，大神Geoffrey Hinton对于反向传播算法发表了相关看法，认为“反向传播不一定促进是AI发展的必要方式”。
此言论一出，可谓是一石激起千层浪。这不，在reddit上，大家对Hinton的观点争论不休。
讨论的主要方向是询问如果说“反向传播算法”不行，那有没有可选的备用方案呢？而在这波讨论浪潮中，我希望我们能够回答这样一个问题：反向传播存在的问题是什么？实际上，大家并没能够真正回答这个问题，而只是简单提及了无监督学习所存在的难题。「机器人圈」将其编译如下。
2025年03月11日
想来惭愧，推荐系统从大四做毕设时就开始接触了，不过当时对于推荐系统也是云里雾里，没有一个整体的概念，更别说总结写博客了。正好研究生也是这个方向，最近一年看了一些综述论文、经典书籍以及好的博客，希望通过这篇博客能够记录一些推荐系统方面的基础、经典的理论、总结以及自己的想法。 等回头再过来浏览的时候希望能够起到一个索引或者综述的作用，如此而已。如果有人看到这篇博客并且对Ta有所帮助的话，更是欣慰。也希望大家多提意见，大恩不言谢。
2025年03月11日
k 近邻（k-nearest neighbor, KNN）算法：相似的数据往往拥有相同的类别，同一种类的数据之间特征更为相似，而不同种类的数据之间特征差别更大。
目标是判断样本的类别。KNN 首先会观察与该样本点距离最近的个样本，统计这些样本所属的类别。然后，将当前样本归到出现次数最多的类中。
2025年03月11日
万象数据牵手老字号，共同搭建大数据品牌舆情监测平台
2016年8月初，北京奥维万象科技有限公司（以下简称万象数据）与中华老字号企业（以下简称老字号）隆重宣布牵手成为战略合作伙伴，共同搭建大数据品牌舆情监测平台，并签署了战略合作协议。
随着经济的快速发展，国内外各大品牌如雨后春笋，使得中华老字号企业一次次受到冲击，虽然发布了关于保护和促进老字号发展的相关文件，但由于各种因素制约，老字号依然存在人员老化、品牌弱化、理念僵硬等问题。本次万象数据与老字号的合作意在以数据驱动业务，在品牌舆情监测、产品满意度评价、评价口碑舆情等课题开展广泛深度的战略合作，帮助老字号企业实现品牌价值的提升。
2025年03月11日
1. 最小化代价函数优化方法：BGD、SGD、MBGD、动量、NAG、Adagrad、AdaDelta、Adam、AMSGrad、牛顿法；
2. 前馈神经网络的隐藏单元不一定在所有的输入点上可微；
3. CNN最大池化
2025年03月11日
最近有些懒，看的东西也比较肤浅，真是不好意思起标题。这篇就聊一聊通信系统和机器学习之间的联系吧，一家之言，仅供参考~另外推荐有基础的同学看《The elements of statistical learning》这本书（后文皆以ESL代替），讲的挺好。
机器学习和通信接收机的步骤类似。
机器学习的训练过程和通信接收的信道估计都是按照以下步骤进行：
2025年03月11日
人工智能时代到来，类似ChatGPT等AI产品也都得到了很多领域的应用，AI时代，我们也需要更多的了解这个时代，下面整理了人工智能领域常用的专业名词:
1. AI:Artificial Intelligence,人工智能。
2. ML:Machine Learning,机器学习。