推薦系統與LSTM、GRU
最近在看深度學習與神經系統方面的文章，發現深度學習對推薦系統有很大的影響，特此進行下總結，爲自己接下來的閱讀總結做參考。 如今，深度學習技術應用到推薦系統的主要分爲以下5類： 1、自編碼器AE：通過一個編碼和一個解碼過程來重構輸入數據，學習數據的隱層表示。 多用於：評分預測、文本推薦、圖像推薦 2、受限玻爾茲曼機RBM：是一種生成式隨機神經網絡，BM能夠學習複雜的規則，具有強大的無監督學習能力。R
相關文章
- 1. LSTM與GRU
- 2. GRU與LSTM
- 3. LSTM 與 GRU
- 4. LSTM與GRU結構
- 5. GRU與LSTM總結
- 6. LSTM、GRU
- 7. LSTM與GRU的結構
- 8. [推薦系統]推薦系統概述
- 9. 【推薦系統】推薦系統概述
- 10. GRU and LSTM
- 更多相關文章...
- • 操作系統（OS）平臺 統計 - 瀏覽器信息
- • 系統定義的TypeHandler - MyBatis教程
- • Docker容器實戰(七) - 容器眼光下的文件系統
- • Composer 安裝與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. LSTM與GRU
- 2. GRU與LSTM
- 3. LSTM 與 GRU
- 4. LSTM與GRU結構
- 5. GRU與LSTM總結
- 6. LSTM、GRU
- 7. LSTM與GRU的結構
- 8. [推薦系統]推薦系統概述
- 9. 【推薦系統】推薦系統概述
- 10. GRU and LSTM