以图片为目标的视觉强化学习
今天说一下发表于NIPS 2018的一篇文章，以图片为目标的视觉强化学习。 为了更直观的了解一下这篇论文解决的问题，可以看一下这个链接里的视频demo: https://sit
用于细分类的API-Net（Attentive Pairwise Interaction Network）
在分类问题中，细分类是一个很有挑战性的问题，鸟和人的区别很大，但是不同品种的鸟之间，区别就不是很大了，具有高度混淆性，即使是人，有时候也很难分辨。另外分类越细，每个类别的数据量就会越少。
MIT因果迷你课笔记 —— 因果归纳模型的评估方式（SHD和SID）
系列首篇：MIT因果迷你课笔记 —— 相关和因果 上篇：MIT因果迷你课笔记 —— 发现因果关系3(多变量) 如何评估因果模型？ 如何评估你的因果归纳模型？这个问题转换一下可以是如
/3.png)
MIT因果迷你课笔记 —— 发现因果关系3(多变量)
系列首篇：MIT因果迷你课笔记 —— 相关和因果 上篇：MIT因果迷你课笔记 —— 发现因果关系2(restricted structural causal model) 这节继续讲 restri
关系归纳偏置，深度学习，和图网络
开个新坑。 DeepMind，Google Brain，MIT，University of Edinburgh，这阵容，不能不看。 这篇略有些不同，讨论的不是一个方法，
Kaggle比赛系列：Conway's Reverse Game of Life 2020
Conway是一位数学家，John Horton Conway，活跃于有限群论，结论，数论，组合博弈论和编码论。 他还为休闲数学的许多分支做出了贡献，最著名的是1970年，细胞自动机（cel