作者丨張琨 學校丨中國科學技術大學博士生 研究方向丨自然語言處理 論文連結： PaperWeekly 論文動機 自然語言理解（

Source: Deep Learning on Medium David Huang Compare Mu

列表與資料框 到目前為止，向量、陣列、矩陣這些前面提到的所包含的元素型別都是相同的，而列表 和資料框 允許把不同的資料型別合併到單一變數中。

深度度量學習(Deep Metric Learning, DML) 在很多場景中都發揮著重要的作用，一個經典的應用就是人臉識別，Google 的FaceNet模型使用Triplet-Loss重新整理了當時人臉

在做很多與時間序列有關的預測時，比如股票預測，餐廳菜品銷量預測時常常會用到時間序列演算法，之前在學習這方面的知識時發現這方面的知識講解不多，所以自己對時間序列演算法中的常用概念和模型進行梳理總結（但是為了內容的

這篇文章FSRNet: End-to-End Learning Face Super-Resolution with Facial Priors是 CVPR 2018 的文章（spotlight），主

選自arxiv，作者：Tongzhou Wang等，機器之心編譯，參與：路、王淑婷。 近日，來自 FAIR、MIT 和加州大學伯克利分校的 Tongzhou Wang、朱儁彥等人釋出新研究論文，提

一、為什麼進行響應面分析 假設我們要發射一顆子彈，目標在200m處，我們發射子彈時應該注意什麼？ 解決這個問題其實只需要高中物理知識，假設發射的初速度是，

近日，來自德國不來梅大學和加拿大多倫多大學的研究者提出一種新架構——可逆殘差網路，可用於分類、密度估計和生成任務。而在此之前，單個架構無法在判別和生成任務上同時取得優秀效能。值得一提的是，NeurIPS 201

目錄 R語言之視覺化①誤差棒 R語言之視覺化②點圖 R語言之視覺化③點圖續 R語言之視覺化④點韋恩圖upsetR R語言之視覺化⑤R圖形系統 R語言之視覺化⑥R圖形

目錄 R語言之視覺化①誤差棒 R語言之視覺化②點圖 R語言之視覺化③點圖續 R語言之視覺化④點韋恩圖upsetR R語言之視覺化⑤R圖形系統 R語言之視覺化⑥R圖形

目錄 R語言第二章資料處理①選擇列 R語言第二章資料處理②選擇行 R語言第二章資料處理③刪除重複資料

《Jointly Extracting Event Triggers and Arguments by Dependency-Bridge RNN and Tensor-Based Argument Inter

一： An Attention Pooling based Representation Learning Method for Speech Emotion Recognition（2018 Int

Deep Residual Learning for Image Recognition 原文連結 摘要 深度神經網路很難去訓練，本文提出了一個殘差學習框架來簡化那些非常深的網路的訓練，該框架使