vector-space

    1熱度

    1回答

    我正在處理單詞嵌入,並且對單詞向量的維數有點困惑。我的意思是,以word2vec爲例,我的問題是爲什麼我們應該讓我們隱藏的層使用100個隱藏的神經元?這個數字是否有任何意義或邏輯背後?或者如果它是任意的,爲什麼不是300?或10?爲什麼不多或少?衆所周知,向量顯示最簡單的方法是在二維空間(只有X和Y)上,爲什麼要多維?我讀了一些關於它的資源,並且在一個例子中他們選擇了100個尺寸,在另一個例子中他

    0熱度

    1回答

    我有很多詞矢量的Word2Vec模型。我可以像這樣訪問一個單詞向量。 word_vectors = gensim.models.Word2Vec.load(wordspace_path) print(word_vectors['boy']) 輸出 [ -5.48055351e-01 1.08748421e-01 -3.50534245e-02 -9.02988110e-03...] 現在

    1熱度

    1回答

    我創建了一個給定向量空間的兩個基礎的函數,它返回基礎矩陣從一個基礎到另一個基礎的變化。問題是我不知道如何表示基礎。基礎基本上是一組向量的集合(其中重複是不可能的)。 如何在Matlab中表示基礎?我應該使用哪種數據結構?您可以提供不止一種可能性,但當然有效的問題,儘管現在是次要問題。 我應該簡單地使用一個正常的矩陣,例如列將代表基礎的向量?有更好的解決方案嗎?

    0熱度

    1回答

    因此,我目前正試圖將3D向量(從加速度計獲得)投影到對象方向(通過對從對象陀螺儀獲得的角速度進行積分獲得,作爲3D向量返回)。不過,我不確定如何做到這一點。 我現在正在使用Excel電子表格來了解我可以從測試數據中導出哪些結果導入到正在處理的軟件中。

    0熱度

    1回答

    我試圖在僅由數字字段表示的elasticsearch中存儲對象。在我的情況下,每個對象都有300個浮動字段和1個ID字段。我已將id字段設置爲not_analyzed。我可以將文檔存儲在ES中。 "_index": "smart_content5", "_type": "doc2vec", "_id": "AVtAGeaZjLL5cvd8z9y7", "_score"