nooverfit.com

GENERAL
META
HTML
LINK ANALYSIS
SERVER

Nooverfit.com receives any estimated 35 unique visitors and 88 unique page views per day. Revenue gained from these much visits may be $0 per day from various advertising sources. The estimated worth of site is $74. Alexa global rank is 9,198,404. Maximum no. of users comes from UNITED STATES. Rank in UNITED STATES is 3,276,597.

PDRHK is ISP, hosted on IP 45.113.121.145 in Country Hong Kong.

Website Age n/a
Alexa Rank no-data
Country Hong Kong
IP Address 45.113.121.145

META INFORMATION

Title

David 9的博客 --- 不怕"过拟合" | 关注机器学习，AI，模式识别 , 数据挖掘 , 云计算 , 行业前沿我是David 9 我比人类还要人类------"Cuz that's what I choose to believe" -- <<Prometheus>>

Description

关注机器学习，AI，模式识别 , 数据挖掘 , 云计算 , 行业前沿我是David 9 我比人类还要人类------"Cuz that's what I choose to believe" -- <<Prometheus>>

Keywords

Content Type

utf-8

No	Meta Name	Value
1	viewport	width=device-width
2	robots	index, follow

google ads

GENERAL HTML INFORMATION

Type	Status
HTML 5
Responsive Website

HTML SIZE INFORMATION

Text / Code Ratio 20.85 %

nooverfit.com has a website text/code ratio of 20.85 %. Search engine crawlers tend to not pick up pages with inadequate content.

IMPORTANT HTML TAGS AND COUNTS

Titles

H11
H213
H30
H40
H50
H60

No	Text
1	David 9的博客 — 不怕"过拟合"

No	Text
1	近期文ç«
2	分享到
3	近期评论
4	分类目录
5	文章归档
6	量子卷积神经网络qcnn，tensorflow quantum(tfq)和近期量子计算的疑问总结和例子，david 9量子计算系列#2
7	“数据增强式”自监督的未来和下一个阶段，深入了解自监督学习#3
8	贝叶斯神经网络(bnn)靠谱吗？bnn的基本思想, 它的未来在哪里？
9	模型”遗忘”的启迪：machine unlearning(forgetting)，“主动遗忘”和“彻底遗忘”，长时记忆与短时记忆，多伦多大学向量学院，sısa
10	“去端到端”化和复杂loss：梯度隔离的分层神经网络模型greedy ınfomax(gım)，深入了解自监督学习#2，ınfonce loss及其对分层脉冲神经网络的启发
11	更高级的认知是“感知”问题吗？意识先验(consciousness prior)，正演模型(forward model), 对比学习(contrastive learning), “系统2”的认知问题， aaaı2020主题演讲精要(二)
12	为什么hinton说cnn是“垃圾”？胶囊神经网络的未来：堆叠胶囊自编码器(stacked capsule autoencoders)，aaaı2020主题演讲精要(一)
13	文章导航

Text Styling

STRONG97
B0
EM5
I0
U0
CITE0

STRONG

No	Text
1	想要快速答疑，
2	可加David 9的个人微信：
3	TFQ和Cirq的关系和架构
4	TFQ(TensorFlow Quantum)
5	Cirq (2)
6	TensorFlow (2)
7	线路(Circuits)
8	量子线路(Circuits)
9	经典深度学习(机器学习)的信息
10	下图蓝框部分
11	去纠ç¼
12	NISQ和Cluster State 是什么意思？
13	NISQ
14	Cluster State
15	量子叠加态
16	量子纠缠态
17	叠åŠ
18	纠ç¼
19	有监督学ä¹
20	半监督
21	“更高明的”（包含人类先验的）方式
22	更复杂的（加入人类先验的）loss
23	“数据增强”方法
24	“数据增强式”自监督。
25	“数据增强式”自监督
26	...阅读更多...加入David9的星球群阅读所有文章: 展开全文加入David9的星球群，获得通行密码 , 阅读全文 (2)
27	加入David9的星球群，获得通行密码 , 阅读全文 (3)
28	先验
29	后验
30	选用的“望远镜”就是“先验”
31	“记录数据”的过程就是“后验”
32	先验(望远镜)
33	后验估计(观测者记录)
34	神经网络
35	“先验” (2)
36	网络架构
37	网络组件
38	loss函数
39	“后验”估计
40	。
41	BNN
42	“记忆”
43	“遗忘”
44	“主动遗忘”
45	“彻底遗忘”
46	彻底遗忘
47	SISA
48	某个训练数据从对神经网络影响中剔除。SISA方法
49	Sharding
50	Isolation
51	Slicing
52	Aggregation
53	分片
54	隔离
55	端到端 (2)
56	对整体进行反向传播
57	分布式
58	边缘计算
59	大脑和皮肤不是直接共享信息
60	绿色兴奋区域（active zone
61	active zone
62	“因果推理”
63	“长期计划”
64	“抽象想象”
65	“知识提炼和探索”
66	“系统2″的认知（System 2 Processing）
67	“快速直觉”
68	CNN
69	System 2 (2)
70	“慢”
71	“高层”
72	“人工感知”
73	可以工作的智能系统建成
74	人类认知的理论探讨
75	更高级“感知”的假设和实现细节。
76	自监督学习（self-supervised learning）
77	对比学习(Contrastive Learning)
78	隐变量基于能量模型(latent variable energy-based models)
79	我们在预测和行动前，早就在大脑中存了类似“缓存”的东西（心理期望），拿着...阅读更多...加入David9的星球群阅读所有文章: 展开全文加入David9的星球群，获得通行密码 , 阅读全文
80	人工感知
81	大脑
82	“飞机”
83	否定了之前的所有的胶囊网络方法
84	Stacked Capsule Autoencoders（堆叠胶囊自编码器）
85	为什么现在的CNN模型都是“垃圾”
86	不变性(Invariance)
87	等价性（Equivariance）
88	处理图像方法太怪异
89	“巧合对比”概念。

No	Text
1	System 2 Processing
2	System 2 (2)
3	优化方法
4	硬件技术

LINK ANALYSIS

Total Link Count: 209

Internal Link Count : 181

No	Text	Type
1	David 9的博客 — 不怕"过拟合"	text
2	-	image
3	-	empty
4	量子卷积神经网络QCNN，TensorFlow Quantum(TFQ)和近期量子计算的疑问总结和例子，David 9量子计算系列#2	text
5	“数据增强式”自监督的未来和下一个阶段，深入了解自监督学习#3	text
6	贝叶斯神经网络(BNN)靠谱吗？BNN的基本思想, 它的未来在哪里？	text
7	“去端到端”化和复杂loss：梯度隔离的分层神经网络模型Greedy InfoMax(GIM)，深入了解自监督学习#2，InfoNCE loss及其对分层脉冲神经网络的启发	text
8	模型”遗忘”的启迪：Machine Unlearning(Forgetting)，“主动遗忘”和“彻底遗忘”，长时记忆与短时记忆，多伦多大学向量学院，SISA	text
9	AR版“神笔马良”：从单张2D图片建立3D人物运动模型，华盛顿大学与Facebook 3D重建 cvpr2019	text
10	keras 手把手入门#1-MNIST手写数字识别深度学习实战闪电入门	text
11	keras 手把手入门#1-MNIST手写数字识别深度学习实战闪电入门	text
12	谷歌大脑的“世界模型”(World Models)与基因学的一些思考，MDN-RNN与Evolution Strategies结合的初体验与源码	text
13	谷歌大脑的“世界模型”(World Models)与基因学的一些思考，MDN-RNN与Evolution Strategies结合的初体验与源码	text
14	3D重建	text
15	AAAI	text
16	CNN	text
17	CVPR	text
18	GAN	text
19	ICLR	text
20	ICML	text
21	KDD	text
22	Keras	text
23	NIPS	text
24	NLP	text
25	pytorch	text
26	RNN	text
27	tensorboard	text
28	TensorFlow	text
29	variational inference	text
30	业界	text
31	前沿	text
32	可视化	text
33	哲学	text
34	增强学ä¹	text
35	学术	text
36	实战	text
37	工具	text
38	无监督	text
39	机器视觉	text
40	概览	text
41	生成模型	text
42	神经网络	text
43	算法	text
44	自监督	text
45	迁移学ä¹	text
46	遗传算法	text
47	量子计算	text
48	集成学ä¹	text
49	9	text
50	15	text

External Link Count : 28

No	Text	Type
1	Cirq	text
2	TensorFlow	text
3	TensorFlow	text
4	Cirq	text
5	常见门逻辑	text
6	线路(Circuits)设计	text
7	谓量子叠加态就是一个量子能在同一时间处于两种不同属性0和1的状态，而对于经典物理中，一个粒子只能处于一种状态，如要么左旋，要么右旋。所谓量子纠缠态，简单来说，就是满足一定条件的情况下一个量子的行为将会影响到另一个量子的状态。即其中一个量子被操作改变而发生状态变化时，比如进行量子观测时，一个量子被观测为左旋。则另一个量子其状态立即发生相应的状态变化。而两个量子之间不存在一定相同或者相反的绝对规则。因此两个被纠缠的粒子可以是状态相同，也可以是状态相反	text
8	加入David9的星球群，获得通行密码 ,	text
9	阅读全文	text
10	贝叶斯理论中	text
11	科学家曾经在软体动物身上做实验，把一部分A个体的RNA移植到B, 从而B拥有了A的行为记忆	text
12	对整体进行反向传播	text
13	Hinton等人	text
14	Hinton等人	text
15	Yoshua Bengio和Gary Marcus的AI辩论	text
16	Yoshua Bengio等神经网络拥护者	text
17	加入David9的星球群，获得通行密码 ,	text
18	阅读全文	text
19	Geoff Hinton等人	text
20	Hinton	text
21	CNN模型	text
22	CNN	text
23	CNN	text
24	CNN	text
25	CNN	text
26	加入David9的星球群，获得通行密码 ,	text
27	阅读全文	text
28	自豪地采用WordPress	text