小 P 为你送上本周值得一看的信息~
有意见、建议与吐槽，欢迎直接给小 P 留言哦~
点击链接即可打开对应网页。
学术前沿
Hopular: 适用于中小型扁平数据集的深度学习网络
在结构化数据之外的一种数据形式是扁平数据 (Tabular Data)。扁平数据在 SVM、随机森林 (Random Forests)、梯度提升 (Gradient Boosting) 等技术上表现良好。最近为扁平数据量身定制的深度学习方法与日俱增，但这些方法在小规模的数据集上与梯度提升相比依旧表现不佳。
为此，作者团队提出了 Hopular——一个针对中小型数据集的新型深度学习架构，其中每一层都配备了连续的 Modern Hopfield 网络。Modern Hopfield 网络使用存储的数据来识别特征-特征、特征-目标和样本-样本的依赖关系。
Hopular 的创新之处在于，每一层都可以通过 Hopfield 网络的存储数据直接访问原始输入以及整个训练集。因此，Hopular 可以像标准的迭代学习算法一样，在每一层逐步更新其当前模型和预测结果。
在少于 1000 个样本的小型扁平数据集的实验中，Hopular 超过了梯度提升、随机森林、SVM，特别是几种深度学习方法。在有大约 10000 个样本的中型扁平数据的实验中，Hopular 超过了XGBoost、CatBoost、LightGBM 和一种为扁平数据设计的最先进的深度学习方法。
在扁平数据上，Hopular 是这些方法的有力替代者。
更多信息请阅读 作者团队公布在 arXiv 上的论文。
作者团队将该网络的代码公布在了 GitHub 上。该网络依赖于 Python 3.8.3 和 PyTorch Lightning 1.4.9。
通过深度强化学习让 3D 角色实现足球花活
作者团队提出了一个基于深度强化学习的系统，用于学习多种足球花活的控制策略，从而让物理引擎下的角色的运动技能可以更加逼近真实人类运动员。
该系统的创新之处在于：一种使用了 layer-wise 的 MoE、一种用于编写许多技能及其转换的控制图，以及控制图上的自适应随机行走课程。
更多信息请阅读 该论文的主页。
技术基础
如何正确使用 Python 浮点数
浮点数是 Python 中一个开发者很容易出问题的数据类型。本篇文章教你如何在 Python 中正确使用浮点数。
写给程序员的 Markov 链教材
这是一本面向程序员的 Markov 链教材。
在教材本身之外，作者提供了丰富的代码（C/MATLAB 等）帮助读者理解知识。
工具推荐
中国科学技术大学测速网站
本网站是中国科学技术大学部署在该校网络信息中心的测速网站，支持 IPv4/IPv6 测速。
反向词典
这是清华大学 NLP 实验室推出的一款服务。用户可以通过输入对词语的描述，取得可用的词语，有效解决词穷。
你可以试试看 网页版。
感谢阅读，欢迎在评论区留言讨论哦~
P.S. 如果喜欢本篇文章，请多多 点赞，让更多的人看见我们 :D
关注 公众号「SenseParrots」，获取人工智能框架前沿业界动态与技术思考。