1樓：大煎餅
有學者將殘差收縮網路[1]應用於HEp-2細胞的識別[2]。
殘差收縮網路是一種面向強噪資料的深度學習方法，剛好適用於細胞影像的識別。
殘差收縮網路[3]的基本模組如下圖：
殘差收縮模組
2樓：Genepolymorphism
總的說，一是流行病學所側重的方法，很大的核心在實驗設計上，如何做到變數的控制來讓結果可以合理的解釋問題，RCT實驗是這種方法的中堅，一套隨訪幾十年的佇列研究不是那麼好做的，至於之後的統計學分析還是機器學習建模，個人覺得並不是最重要的，做出東西比做視覺做nlp要簡單的多；二是大部分流行病學研究的資料集都是小資料集還在適用t檢驗的大小，這種情況下，很多機器學習都喂不飽。
Logistic、ridge這類GLM模型，是傳統統計學的領域，也是和機器學習交叉的地方。不僅醫學，農學、社會學都有廣泛的應用。當然，logistic在流行病學應用最廣，還是歸功於它的結果直接反映OR值。
從任務上說，流行病學研究的統計學任務主要是對樣本的總體做推斷，判斷樣本是否來自同一總體，差異是不是顯著，這類任務是統計學的領域，至於分類、回歸、聚類，如應用，也沒什麼難度。重點還是，有沒有需要這種工具的地方，有沒有條件應用這些模型，乙個幾百行的不超過20個變數的任務用xgboost、rnn這些那就是扯淡了。
為什麼盾構多應用於地鐵隧道，而很少應用於公路隧道 鐵路隧道？
cewei1978 盾構適用於土質較軟的地下隧道，硬了挖不動，而公路隧道除了少數過河隧道絕大多數為穿越線路上繞不過去的山嶺隧道，山嶺隧道就是由硬質岩石構成，盾構咬不動 贊同高讚知友的觀點，賈濤有套甲 個人再換種表達方式。地鐵隧道，大多在城市範圍的地下施工，通常，人類城市都為水草肥美之地，就是說地下多...
量子理論為什麼不能應用於巨集觀？
侯頂傑 所謂科學必須向人文一樣，注意他觀察的 尺度 當物體在不同的 尺度 時候顯現不同的特徵。比如你現在面前的這張桌子，微觀角度來說你可以說他並不存在，他只是一堆高速亂撞的電荷，或者場去理解。再比如單個粒子確實有測不准的問題，但隨著粒子增多，其穩定性不斷增強，這就是你觀察的 尺度 問題。不能簡單的說...
機械人的視覺伺服控制能在20年內應用於工業界嗎？
basicbeyond 首先，機械手的定義可以很廣泛，從簡單的二維運動模組，4自由度手臂，到6自由度機械手臂，凡是能代替 部分代替 人手工操作的都可以認為是機械手。從這個角度來講，可以明確告訴你，機器視覺已經配合機械手在廣泛的使用了，像汽車製造，華南的電子行業等，只不過目前的應用，大部分都是二維應用...