端到端的特征转换示例：使用三元组损失和 CNN 进行特征提取和转换

通过卷积和三元组损失学习数据的表示，并提出了一种端到端的特征转换方法，这种使用无监督卷积的方法简化并应用于各种数据。

LSTM 又回来了！ 新论文使用LSTM挑战长序列建模的 ViT

Sequencer 通过将空间信息与节省内存和节省参数的 LSTM 混合来降低内存成本，并在长序列建模上实现与 ViT 竞争的性能。

GAN能进行股票预测吗？

在过去的研究中，出现了而很多的方式，但这些方式和方法并不是很成功，所以本文将这个领域的研究扩展到GANs。看看GANs这个领域是否能够进行预测。

Residual, BottleNeck, Inverted Residual, MBConv的解释和Pytorch实现

上篇ConvNext的文章有小伙伴问BottleNeck，Inverted Residual的区别，所以找了这篇文章，详细的解释一些用到的卷积块，当作趁热打铁吧

使用PyTorch复现ConvNext：从Resnet到ConvNext的完整步骤详解

ConvNext论文提出了一种新的基于卷积的架构，不仅超越了基于 Transformer 的模型（如 Swin），而且可以随着数据量的增加而扩展！今天我们使用Pytorch来对其进行复现。

统计学小抄：常用术语和基本概念小结

统计学是涉及数据的收集，组织，分析，解释和呈现的学科。

Pycaret 3.0的RC版本已经发布了，什么重大的改进呢？

Pycaret是Python中的一个开源可自动化机器学习工作流程的低代码机学习库。 它是一种端到端的机器学习和模型管理工具。要了解有关Pycaret的更多信息，可以查看官方网站或GitHub。

神经网络与傅立叶变换有关系吗？

傅里叶变换可以视为一种有助于逼近其他函数的函数，神经网络被也认为是一种函数逼近技术或通用函数逼近技术。 本文将讨论傅里叶变换，以及如何将其用于深度学习领域。

5分钟NLP：文本分类任务中的数据增强技术

Micro-Outlier Removal: 一种Kaggle快速提分的小技巧

Micro-Outlier Removal：这个词听起来不错。但是这个术语是本文的作者首创的。所以应该找不到其他相关的资料，但是看完本篇文章你就可以了解这个词的含义。

Pandas 对数值进行分箱操作的4种方法总结对比

使用 Pandas 的between 、cut、qcut 和 value_count离散化数值变量

2022年关于损失函数的5篇最新论文推荐

2022年最新的损失函数论文总结

BRIO：抽象文本摘要任务新的SOTA模型

在 SimCLS [2]论文发布后不久，作者又发布了抽象文本摘要任务的SOTA结果 [1]。BRIO在上述论文的基础上结合了对比学习范式。

1行代码完成可视化：Seaborn3个常用方法示例

只需一行 Seaborn 代码，我们就能够创建最常用的绘图并对其进行自定义，这是我们将在本文中重点介绍的内容。

特征选择：11 种特征选择策略总结

“特征选择”意味着可以保留一些特征并放弃其他一些特征。本文的目的是概述一些特征选择策略

ICLR 2022的10篇论文推荐

一千多篇论文，19个研讨会和8次邀请演讲。 所以我整理了10篇论文作为推荐，希望对你有帮助

深度学习中的归一化技术全面总结

归一化是深度学习中的一个基本概念。它加快了计算速度并稳定了训练。多年来发展了许多不同的技术。本篇文章整理了目前与它相关的方法，希望对你有所帮助

42个激活函数的全面总结

这个列表将包含 42 个激活函数，这里面肯定有没有见过的

Pandas 中最常用的 7 个时间戳处理函数

数据科学和机器学习中时间序列分析的有用概念

在预测中使用LSTM架构的最新5篇论文推荐

本文总结了近半年来关于LSTM的5篇论文，推荐阅读