来自博客文章：A Gentle Introduction to Graph Neural Networkshttps://distill.pub/2021/gnn-intro/ 作者都来自Google Research 发表在 distill 网站(博客相比论文写作更自由)。

论文： ImageNet Classification with Deep Convolutional Neural Networks ——By Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-co

论文大致分为以下几个部分： 1.title2.abstract3.introduction4.method5.experiments6.conclusion 论文读三遍。

论文：BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding https://arxiv.org/abs/1810.04805?context=cs

论文：何恺明等 - Deep Residual Learning for Image Recognition

SVM是一个强有力的机器学习算法，很多算法（比如RCNN）的分类器也使用SVM作为分类器，帮助我获得了博弈杯准确率排行榜的第二名（我使用的是VGG+Quasi-SVM。 但困难的是，如何把SVM和神经网络合并起来，且共同训练。于是有了近似SVM，我们可以使用hingeloss。 更幸运的是，keras提供了另一种方法，Random Fourier Features。

很高兴你能来到这里。　　今天正好是博客诞生的1000天。（其实是把最早有准确时间记录的日子作为初始日，创立博客可能可以追溯到18年五月甚至更前）。很高兴你与我能共同见证这一时刻。

此为陕西师范大学公开课——哲学革命的理论总结——《费尔巴哈和德国古典哲学的终结》的笔记。

众所周知，线性模型是