机器学习 | 注意力机制
注意力机制 (Attention)：是人工神经网络中一种模仿认知注意力的技术。这种机制可以增强神经网络输入数据中某些部分的权重，同时减弱其他部分的权重，以此将网络的关注点聚焦于数据中最重要的一小部分。数据中哪些部分比其他部分更重要取决于上下文。
机器学习 | 残差神经网络
残差神经网络 (Residual Neural Network, ResNet): 属于深度学习模型的一种，其核心在于让网络的每一层不直接学习预期输出，而是学习与输入之间的残差关系。
机器学习 | 卷积神经网络
卷积神经网络 (Convolutional Neural Network, CNN): 是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。
机器学习 | 卷积
卷积 (Convolution): 一种结合两个函数形成新函数的方法，即 $h(x)=f(x)*g(x)$.
机器学习 | 隐马尔可夫模型
隐马尔可夫模型 (Hidden Markov Model): 一种统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。
机器学习 | EM 算法
最大期望 (Expectation-maximization, EM) 算法：在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。