tianawanle
这样的项目基本上就是在烧钱，小家小户玩不起，于是就傻傻地等着大佬们发出论文，放出代码，刷新榜单。不过这也意味着一个总结的好机会，加上额外的推动，便重新起了念头。 
神经网络的实验是可以复现的，但是中医中的却存在很多主观想象实验结果1。发现你可以复制你的实验结果，你可以按照你论文中提到的数据集做你所说的。你认为你的方法在这个数据集上是有效的。2。人们改变一些数据集，运行你的方法，并发现结果是好的。所以你认为你的方法是可以推广的。3所示。有人用你的方法，做了产品，用在实际问题上，发现效果很好。所以你认为你的方法具有实用价值。可以做一件，可以送纸。可以做2个，你愿意引用你的论文，愿意在你的论文基础上做更多的研究。可以做3个，请直接联系VC !最好不要送纸。中医诊断输入:人类隐藏层(1 -> 2层是基本症状:)隐蔽层:五线经络(2 -> 3层是中医理论)输出:诊断(3 -> 4层为经验诊断)第二层特征极为noisy，甚至错误。与CT、X光等现代仪器相比，望闻问切不可靠，因此应该换掉这个隐层。第三层特征是完全错误的，与事实不符——说明这种网络是错的。换掉这个隐藏或许可以。隐层到输出层之间参数数量巨大，而训练样本过少。症状数量 乘以 经络五行理论数量 乘以 疾病数量 = 参数数量，因此参数太多。训练参数主要靠口口相传、行医经验：样本数量是几千。面对天文数字的参数，不过拟合才见鬼。总结：虽然我信中医，但是却并不认可他的可以成为科学
我给你发个摘要吧随着4G时代的到来，电信市场的竞争越来越激烈，客户资源成为电信企业竞争的焦点。而客户消费行为规律是客户知识的重要组成部分，因此基于消费行为认知的客户细分就成为电信企业客户关系管理的重头戏。利用数据挖掘算法针对某一具体的客户消费数据集进行分析，挖掘出有趣的信息，并根据这些有趣的结论进一步调整企业的营销策略。本文针对当前电信企业在4G客户细分方面的不足，结合电信企业客户的特征通过关联分析来实现对电信企业现有客户的细分，帮助电信企业实现电信客户的合理分类，从而对电信企业的营销策略提出指导性意见。通过对某一运营商的4G客户数据库进行分析，采用Apriori算法发现客户消费行为和消费特点之间有趣的关联规则，并根据这些信息进一步分析，为营销决策者提供一种新的思考问题的视角。本文的研究思路是对样本数据进行预处理后，将样本数据划分为换4G卡、换4G套餐、换4G终端三大客户群体，再分别计算出月均arpu值、月均mou值、月均dou值，最后利用Clementine软件对三大客户群体的这三个值进行基于MDLP原则的熵分组，得到细分的特征客户群。然后对这些客户群再做进一步的研究，利用Apriori算法产生频繁项集，依据频繁项集产生简单关联规则，挖掘出客户消费行为和细分变量品牌、arpu值、mou值和dou值之间的关联关系，总结出相应的规律，帮助电信企业找到特定消费群体的消费习惯，以此为基础，对所识别出来的消费群体进行有针对性的营销。
NLP 领域因为超大预训练模型，很多研究需要耗费大量计算资源（比如百度新发布持续学习语义理解框架 ERNIE 0，该模型在共计 16 个中英文任务上超越了 BERT 和 XLNet，取得了 SOTA 效果
第一，语言模型任务在 NLP 领域很重要，想首先介绍一下；第二，Bengio 这篇神经网络语言模型的论文非常经典，比如说提出了用神经网络实现语言模型，同时还最早提出词表示来解决“维数灾难”问题，通过复现，也好引出之后词向量，还有seq2seq 等话题；第三，通过用 飞桨来实现这样一个简单例子，可以抛开各种模型与数据复杂度，更直观了解一个飞桨程序是如何构建的，也为之后讲解飞桨更复杂程序打下基础。
