- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 霍夫曼编码 最佳变长编码最佳码: 对于某一信源和某一码符号集来说,若有一唯一可译码,其平均码长小于所有其他唯一可译码的平均长度。紧致码香农(Shannon)... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 霍夫曼编码 最佳变长编码最佳码: 对于某一信源和某一码符号集来说,若有一唯一可译码,其平均码长小于所有其他唯一可译码的平均长度。紧致码香农(Shannon)...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 离散无记忆信源的序列熵马尔可夫信源的特点：无后效性。发出单个符号的信源指信源每次只发出一个符号代表一个消息;发出符号序列的信源指信源每次发出一组含二个以上符... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 离散无记忆信源的序列熵马尔可夫信源的特点：无后效性。发出单个符号的信源指信源每次只发出一个符号代表一个消息;发出符号序列的信源指信源每次发出一组含二个以上符...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 熵速率 (entropy rate)定义：一个平稳的时域离散随机过程的熵速率 (entropy rate) 定义为H=limn→∞H(Xn∣X1,X2,…... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 熵速率 (entropy rate)定义：一个平稳的时域离散随机过程的熵速率 (entropy rate) 定义为H=limn→∞H(Xn∣X1,X2,…...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 联合熵联合集 XY 上, 对联合自信息 I(xy)I(x y)I(xy) 的平均值称为联合熵:H(XY)=Ep(xy)[I(x⇌y)]=−∑x∑yp(... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。 联合熵联合集 XY 上, 对联合自信息 I(xy)I(x y)I(xy) 的平均值称为联合熵:H(XY)=Ep(xy)[I(x⇌y)]=−∑x∑yp(...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。信源符号自信息的数学期望为信源的平均信息量——信息熵H(X)=E(I(Xi))=−∑i=1Npilogpibit/symbolH(X)=E\left(I\l... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。信源符号自信息的数学期望为信源的平均信息量——信息熵H(X)=E(I(Xi))=−∑i=1Npilogpibit/symbolH(X)=E\left(I\l...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者关注公众号【AIShareLab】，回复 信息论 也可获取。 信源分类 按照信源输出的信号取值分类1.连续（模拟）信源:2.离散（数字）信源:信源输出的信号是随机信号。 按照信源输出信号(符号间)的依赖关系1、无... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者关注公众号【AIShareLab】，回复 信息论 也可获取。 信源分类 按照信源输出的信号取值分类1.连续（模拟）信源:2.离散（数字）信源:信源输出的信号是随机信号。 按照信源输出信号(符号间)的依赖关系1、无...
- 根据我的理解，nne是kaldi中已经实现的神经网络，根据不同的参数可以定义不同的神经网络，一共有 nnet1、nnet2、nnet3三个版本。概览type author CPU/GPU featurennet1 Karel GPU单卡训练 使用pre-training，使用early stoppingnnet2 Dan 支持多GPU训练，以及... 根据我的理解，nne是kaldi中已经实现的神经网络，根据不同的参数可以定义不同的神经网络，一共有 nnet1、nnet2、nnet3三个版本。概览type author CPU/GPU featurennet1 Karel GPU单卡训练 使用pre-training，使用early stoppingnnet2 Dan 支持多GPU训练，以及...
- ALBERT是在BERT基础上改进的一种预训练语言模型，它通过词向量矩阵分解和不同层的参数共享两种策略有效减少了模型的参数量，不仅如此，它以相对较少的参数量实现了更好的模型结果。 ALBERT是在BERT基础上改进的一种预训练语言模型，它通过词向量矩阵分解和不同层的参数共享两种策略有效减少了模型的参数量，不仅如此，它以相对较少的参数量实现了更好的模型结果。
- 华为云语音语义创新lab官方主页：https://www.huaweicloud.com/lab/nlp/home.html 华为云语音语义创新lab官方主页：https://www.huaweicloud.com/lab/nlp/home.html
- 本文对Word Embedding原理和生成方法进行了讲解，对Word Embedding生成过程中的相关问题进行了解答，希望能帮助读者提升Word Embedding的实践效率。 本文对Word Embedding原理和生成方法进行了讲解，对Word Embedding生成过程中的相关问题进行了解答，希望能帮助读者提升Word Embedding的实践效率。
- 华为云自然语言处理服务-机器翻译于2020年10月30日00:00（北京时间）转商通知 华为云自然语言处理服务-机器翻译于2020年10月30日00:00（北京时间）转商通知
- 华为云自然语言处理服务-语言理解-意图理解于2020年3月25日 00:00（北京时间）功能调整通知 华为云自然语言处理服务-语言理解-意图理解于2020年3月25日 00:00（北京时间）功能调整通知
- 华为云自然语言处理服务-自然语言处理基础-句向量于2019年7月6日00:00（北京时间）功能调整通知 华为云自然语言处理服务-自然语言处理基础-句向量于2019年7月6日00:00（北京时间）功能调整通知
- 本节书摘来自华章计算机《TensorFlow自然语言处理》一书中的第2章，第2.2.3节，［澳］ 图珊·加内格达拉（Thushan Ganegedara） 著 马恩驰 陆 健 译。 本节书摘来自华章计算机《TensorFlow自然语言处理》一书中的第2章，第2.2.3节，［澳］ 图珊·加内格达拉（Thushan Ganegedara） 著 马恩驰 陆 健 译。
- 本节书摘来自华章计算机《TensorFlow自然语言处理》一书中的第1章，第1.7节，［澳］ 图珊·加内格达拉（Thushan Ganegedara） 著 马恩驰 陆 健 译。 本节书摘来自华章计算机《TensorFlow自然语言处理》一书中的第1章，第1.7节，［澳］ 图珊·加内格达拉（Thushan Ganegedara） 著 马恩驰 陆 健 译。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签