DeepSeek 于 2025 年底发表的一篇新文章，是对字节 Hyper-Connections (HC) 的改进。
mHC: Manifold-Constrained Hyper-Connections.
- 优化问题与梯度下降算法
- IRGAN总结
- W-GAN 总结
- 协作学习综述笔记
- 距离总结
- 机器学习课程随记
- 机器学习实验报告(1)：线性回归
- 机器学习实验报告(6)：正则化
- 机器学习实验报告(2)：多变量线性回归
- 机器学习实验报告(4)：牛顿法求解对数概率回归
- 机器学习实验报告(2)：多变量线性回归
- 特征处理与LDA算法
- 机器学习实验报告(3)：线性判别分析(LDA)
- 贝叶斯分析
- 决策树
- 机器学习实验报告(9)：决策树
- 机器学习实验报告(5)：支持向量机
- 机器学习实验报告(10)：随机森林
- 机器学习期末重点
- 基本回归问题
- NLP 学习计划
- Deep Learning 简单学学
- Minimax 算法和 alpha-beta 剪枝
- 拉普拉斯矩阵
- Graph neural networks：A review of methods and applications
- GNN Basic Papers
- Toy Models of Superposition
- GCN 论文总结
- Over-Smoothing 论文总结
- 马尔可夫链蒙特卡洛法
- MPNN 论文总结
- RNN & LSTM
- BatchNorm 和 LayerNorm
- Transformer 模型总结
- word2vec 论文总结
- 群等变卷积网络G-CNN
- Transformer 中的秩坍缩
- 神经网络势函数
- 几何图神经网络
- diffusion models 总结
- Bayesian Flow Networks 总结
- 过对称问题
- Neural Combinatorial Optimization 简单总结
- 深度学习中的模型初始化
- ICML2024-Awesome Papers
- 模型训练技术：概述
- 数字信号处理笔记(1)：引言
- 高级机器学习(1)：概论
- 具身智能基础
- 综述总结：机器人学中的基础模型
- 一个自动驾驶讲座
- 人工智能实践(1)：吹水课
- 几何深度学习(1)：引言
- 数字信号处理笔记(2)：离散时间信号与离散时间系统
- 人工智能实践(2)：Python 进阶
- 几何深度学习(2)：结构、对称性与群论
- 预训练模型(1)：概述和预训练语言模型
- 神经网络与深度学习(2)：机器学习基础与前馈神经网络
- 人工智能实践(3)：PyTorch 进阶
- 几何深度学习(3)：群卷积神经网络
- 数字信号处理笔记(3)：离散时间傅里叶变换
- 高级机器学习(2)：自监督学习
- 神经网络与深度学习(3)：卷积神经网络
- 几何深度学习(4)：图神经网络
- 稀疏模型
- 高级机器学习(3)：多模态模型
- 高级机器学习(4)：领域自适应
- 迁移学习
- 人工智能实践(4)：各种卷积网络
- Z 变换
- 小样本学习
- 神经网络与深度学习：自动机器学习
- 离散傅里叶变换
- 快速傅里叶变换
- 高级机器学习(7)：连续学习
- 划重点
- 知识表示与推理(1)：Intro
- 主文献阅读(1)：大模型和信息检索
- 数据挖掘随记
- 推荐系统(1)：intro
- 物理驱动机器学习(1)：动力系统
- 深度生成模型(1)：intro
- 知识表示与推理(2)：命名实体识别
- 主文献阅读(2)：最优化算法
- 深度生成模型(2)：自回归模型
- 主文献阅读(3)：二阶优化算法和双层优化算法
- 物理驱动机器学习(2)：求解ODE和PDE的数值方法
- 深度生成模型(3)：变分自编码器
- 图神经网络
- 知识表示与推理(3)：知识图谱
- 主文献阅读(5)：大模型和信息检索
- 物理驱动机器学习(3)：神经网络简介
- 基于因果推断的推荐算法
- 知识表示与推理(4)：图表示学习
- 主文献阅读(6)：基于因果和公平的检索
- 知识表示与推理(5)：预训练模型
- 主文献阅读(7)：大模型基础
- 自然语言处理-划重点
- 主文献阅读(9)：认知科学基础
- 物理驱动机器学习(4)：PINN
- 深度生成模型(4)：归一化流
- 深度生成模型(5)：生成对抗网络
- Manifold-Constrained Hyper-Connections
