| 题号 | 主题 | 文章 |
|---|---|---|
| 11 | L1/L2正则化的贝叶斯先验解释，为什么L1产生稀疏解的… | 011.md |
| 12 | Dropout在Wide&Deep中的最佳放置位置，输入… | 012.md |
| 13 | 早停(Early Stopping)与L2正则化的等价性… | 013.md |
| 14 | 批归一化(BN)在推荐稀疏特征中的陷阱，为什么Layer… | 014.md |
| 15 | 权重衰减(Weight Decay)与L2正则化在Ada… | 015.md |
| 16 | 谱归一化(Spectral Normalization)… | 016.md |
| 17 | 数据增强在表格数据中的有效方法，Mixup/CutMix… | 017.md |
| 18 | 模型集成(Bagging/Boosting)在推荐中的落… | 018.md |
| 19 | 知识蒸馏中软标签与硬标签的权重分配，温度与软标签熵的关系… | 019.md |
| 20 | 自监督学习中的预训练任务设计，MLM在推荐中为何效果有限… | 020.md |