点击 Chatbots技术与产品，快速关注本账号！
1.【神经网络调参经验分享】《How to make your model happy again》by Alessia Marcolini
http://vdisk.weibo.com/s/AoN5oNkBMzHP
By 爱可可-爱生活
2.【深度学习：理论与实验代码集】’Deep Learning: Theory and Experiments' by Rowel Atienza
https://github.com/roatienza/Deep-Learning-Experiments
By 爱可可-爱生活
https://mp.weixin.qq.com/s/wLWIFegIwlndx-n2yWywuA
By Python与机器学习算法频道
4.【深度学习 - 论文 - 阅读 - 路线图】深度学习论文为任何渴望学习这项神奇技术的人提供的阅读路线图！
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
By ArnetMiner
https://mp.weixin.qq.com/s/oi5ME4QRTt3U526lzAHTcA
By 专知
6.【文本分类】Densely Connected CNN with Multi-scale Feature Attention for Text Classification
本文是清华大学发表于IJCAI 2018的工作。针对文本分类任务中卷积神经网络通常无法灵活学习可变n元特征（n-gram）的问题，论文提出了一种具有适应式注意力机制的密集连接的卷积神经网络。该模型通过建立底层特征和高层特征之间的跨层连接，从而获得了丰富的多尺度特征，而注意力模型能够自适应地选择合适尺度的特征以适用于各种不同的文本分类问题。该法面向六个公开数据集均实现了超过基线的预测精度。
https://www.paperweekly.site/papers/2240
github：https://github.com/wangshy31/Densely-Connected-CNN-with-Multiscale-Feature-Attention
By PaperWeekly
（PS：点击阅读原文可直接打开链接，查看更多精彩内容）
- END -
非常欢迎加入我们的微信群一起讨论分享！
新浪微博：ChatbotsChina
微信号：Chatbots01
关注我们，一起学习机器人
