-
LSH是ANN（Approximate Nearest Neighbor, 近似最近邻查找）中的一类方法。
-
Locality Sensitive Hashing(LSH)，中文名为局部敏感哈希，用于解决在高维空间中查找相似节点的问题。
机器学习相关文章
- 连续归一化流（Continuous Normalizing Flows，简称CNF）
- 流匹配（Flow Matching，FM）
- ALiBibi编码（Attention with Linear Biases）
- inductive learning（归纳学习）和transductive learning（传导学习）
- 机器学习中的稀疏解
- 在线学习算法 FOBOS
- Active Learning
- MMD: maximum mean discrepancy（最大平均差异）
- AUC系列 | AUC计算详解 | AUC与GAUC
- SSB - Sample Selection Bias - 样本选择偏差问题
最近热门
- 常见的深度学习优化器Optimizer
- 论文 | DHEN: A Deep and Hierarchical Ensemble Network for Large-Scale Click-Through Rate Prediction
- GradNorm
- SO-PMI（Semantic Orientation Pointwise Mutual Information，情感倾向点互信息算法）
- kimi api
- NPU（Neural Processing Unit，神经网络处理器）
- vue3 vditor
- Straight-Through Estimator（STE, 直推估计器）
- 流匹配（Flow Matching，FM）
- 模型证据下界（Evidence Lower Bound，ELBO）
最常浏览
- 016 推荐系统 | 排序学习（LTR - Learning To Rank）
- 偏微分符号
- i.i.d（又称IID）
- 利普希茨连续条件（Lipschitz continuity）
- (error) MOVED 原因和解决方案
- TextCNN详解
- 找不到com.google.protobuf.GeneratedMessageV3的类文件
- Deployment failed: repository element was not specified in the POM inside distributionManagement
- cannot access com.google.protobuf.GeneratedMessageV3 解决方案
- CLUSTERDOWN Hash slot not served 问题原因和解决办法
×
![]()