Search Options

Results per page
Sort
Preferred Languages
Advance

Results 1 - 10 of 16 for Dahl (0.12 sec)

  1. docs/contributing/architecture.md

    │  bytesReceived   │  856   │
    └──────────────────┴────────┘
    ```
    
    ### Schematic diagram
    
    ![architectural schematic](https://deno.land/images/schematic_v0.2.png)
    
    ### Conference
    
    [Ryan Dahl - An interesting case with
    Plain Text
    - Registered: 2020-08-25 21:37
    - Last Modified: 2020-08-18 17:36
    - 2K bytes
    - Viewed (0)
  2. TODO/align-svg-icons-to-text-and-say-goodbye-to-font-icons.md

    > * 原文链接: [Align SVG Icons to Text and Say Goodbye to Font Icons](https://blog.prototypr.io/align-svg-icons-to-text-and-say-goodbye-to-font-icons-d44b3d7b26b4#.9gcnlx2bm)
    * 原文作者 : [Elliot Dahl](https://blog.prototypr.io/@Elliotdahl)
    * 译文出自 : [掘金翻译计划](https://github.com/xitu/gold-miner)
    * 译者 : [aleen42](https://github.com/aleen42)
    * 校对者 : [zhouzihanntu](https://github.com/zhouzihanntu)、[hikerpig](https://github.com/hikerpig)
    
    Plain Text
    - Registered: 2020-09-17 14:49
    - Last Modified: 2017-02-04 08:59
    - 6.2K bytes
    - Viewed (0)
  3. acknowledgments.tex

    Marjorie Sayer, Ryan Stout and Wentao Wu. \item 第十章(序列建模:循环和递归网络): Gökçen Eraslan, Steven Hickson, Razvan Pascanu, Lorenzo von Ritter, Rui Rodrigues, Dmitriy Serdyuk, Dongyu Shi and Kaiyu Yang. \item 第十一章(实践方法论): Daniel Beckstein. \item 第十二章(应用): George Dahl, Vladimir Nekrasov and Ribana Roscher. \item 第十三章(线性因子模型): Jayanth Koushik. \item 第十五章(表示学习): Kunal Ghosh. \item 第十六章( 深度学习中的结构化概率模型): Minh Lê and Anton Varfolom. \item 第十八章(直面配分函数): Sam Bowman. \item 第十九章(近似推断): Yujia Bao. \item 第二十章(深度生成模型): Nicolas...
    Others
    - Registered: 2020-09-17 11:44
    - Last Modified: 2017-05-15 02:11
    - 10.3K bytes
    - Viewed (0)
  4. README.md

    License](https://opensource.org/licenses/MIT)  Copyright © 2012-present, Mike McNeil
    
    > Sails is built around so many great open-source technologies that it would never have crossed our minds to keep it proprietary.  We owe huge gratitude and props to Ryan Dahl ([@ry](https://github.com/ry)), TJ Holowaychuk ([@tj](https://github.com/tj)), Doug Wilson ([@dougwilson](https://github.com/dougwilson)) and Guillermo Rauch ([@rauchg](https://github.com/rauchg)) for the work they've done, as well as the stewards...
    Plain Text
    - Registered: 2020-09-17 16:26
    - Last Modified: 2020-02-04 22:33
    - 11.1K bytes
    - Viewed (0)
  5. TODO/before-you-bury-yourself-in-packages-learn-the-node-js-runtime-itself.md

    # 在你沉迷于包的海洋之前,还是了解一下运行时 Node.js 的本身
    
    ![](https://cdn-images-1.medium.com/max/2000/1*LSfLSMQ1kPuHnyCPLNEKgQ.png)
    
    这篇文章将挑战你 Node.js 的知识极限。
    
    我在 Ryan Dahl 第一次 [介绍](https://www.youtube.com/watch?v=ztspvPYybIY) Node.js 之后不久就开始学习它,甚至一年前我也不能回答我在这篇文章中提出的许多问题。 如果你能真正地回答所有的问题,那么你的 Node.js 的知识储备是迥乎常人的。 我们应该成为朋友。
    
    Plain Text
    - Registered: 2020-09-17 14:49
    - Last Modified: 2017-03-20 03:14
    - 12.3K bytes
    - Viewed (0)
  6. .mailmap

    Ron Korving <******@****.***> ronkorving <******@****.***>
    Ruben Bridgewater <******@****.***> <******@****.***>
    Russell Dempsey <******@****.***> <******@****.***>
    Ryan Dahl <******@****.***>
    Ryan Emery <******@****.***>
    Ryan Mahan <******@****.***>
    Ryan Scheel <******@****.***> Ryan Scheel <******@****.***>
    Plain Text
    - Registered: 2020-09-22 21:40
    - Last Modified: 2020-09-12 16:47
    - 26.1K bytes
    - Viewed (0)
  7. readme.md

    - [Node Module Of The Week!](https://nmotw.in) - Weekly dose of hand picked node modules.
    
    ### Videos
    
    - [Introduction to Node.js with Ryan Dahl](https://www.youtube.com/watch?v=jo_B4LTHi3I)
    - [Hands on with Node.js](https://learn.bevry.me/hands-on-with-node.js/preface)
    Plain Text
    - Registered: 2020-09-22 17:06
    - Last Modified: 2020-09-09 15:55
    - 67.8K bytes
    - Viewed (0)
  8. Chapter12/applications.tex

    为了完成\gls{SR}任务,\gls{unsupervised}的\gls{pretraining}被用来构造一个\gls{deep_feedforward_network},这个\gls{NN}每一层都是通过训练\gls{RBM}来初始化的。 这些网络的输入是从一个固定规格的输入窗(以当前帧为中心)的谱声学表示抽取,预测了当前帧所对应的~\glssymbol{HMM}~状态的条件概率。 训练一个这样的\gls{NN}能够可以显著提高在TIMIT数据集上的识别率~\citep{mohamed2009deep,Mohamed+Dahl+Hinton-2012},并将\gls{phoneme}级别的错误率从大约$26$\%降到了$20.7$\%。 关于这个模型成功原因的详细分析可以参考\citet{mohamed2012understan}。 对于基本的电话识别工作流程的一个扩展工作是添加说话人自适应相关特征\citep{mohamed2011deep}的方法,这可以进一步地降低错误率。 紧接着的工作则将结构从\gls{phoneme}识别(TIMIT所主要关注的)转向了大规模词汇语音识别\citep{Dahl2012},...
    Others
    - Registered: 2020-09-17 11:44
    - Last Modified: 2019-11-09 16:00
    - 100.2K bytes
    - Viewed (0)
  9. Chapter1/introduction.tex

    caffe}、MXNet~\citep{chen2015mxnet}和TensorFlow~\citep{tensorflow}都能支持重要的研究项目或商业产品。 \gls{DL}也为其他科学做出了贡献。 用于对象识别的现代卷积网络为神经科学家们提供了可以研究的视觉处理模型\citep{dicarlo-tutorial-2013}。 \gls{DL}也为处理海量数据以及在科学领域作出有效的预测提供了非常有用的工具。 它已成功地用于预测分子如何相互作用从而帮助制药公司设计新的药物\citep{Dahl-et-al-arxiv2014},搜索亚原子粒子\citep{baldi2014searching},以及自动解析用于构建人脑三维图的显微镜图像\citep{knowlesdeep}等。 我们期待\gls{DL}未来能够出现在越来越多的科学领域中。 % -- 25 -- 总之,\gls{DL}是\gls{ML}的一种方法。在过去几十年的发展中,它大量借鉴了我们关于人脑、统计学和应用数学的知识。 近年来,得益于更强大的计算机、更大的数据集和能够训练更深网络的技术,\gls{DL}的普及性和实用性都有了极大的发展。...
    Others
    - Registered: 2020-09-17 11:44
    - Last Modified: 2018-06-25 03:09
    - 50.5K bytes
    - Viewed (0)
  10. CONTRIBUTORS

    Ryan Bagwell <******@****.***>
    Ryan Barrett <******@****.***>
    Ryan Boehning <******@****.***>
    Ryan Brown <******@****.***>
    Ryan Canty <******@****.***>
    Ryan Dahl <******@****.***>
    Ryan Hitchman <******@****.***>
    Ryan Lower <******@****.***>
    Ryan Roden-Corrent <******@****.***>
    Ryan Seys <******@****.***>
    Ryan Slade <******@****.***>
    Plain Text
    - Registered: 2020-09-18 12:35
    - Last Modified: 2020-08-10 21:51
    - 93.2K bytes
    - Viewed (0)
Back to top