模式識別

1/6ページ

機器學習知識點總結

機器學習整體思路 從開始到最後 ==很重要,一定要好好看== 模型選擇問題 這裡所說的模型選擇是指模型的結構已經確定好了,之後再來選擇引數的個數和每個引數的大小,首先肯定要先確定模型引數的個數,因為引數的個數的確定決定了基礎模型的建立,比如我們嘗試10個模型,第一個模型有1個引數,第二個模型有兩個引 […]

CNN中感受野的計算

感受野(receptive field)是怎樣一個東西呢,從CNN視覺化的角度來講,就是輸出featuremap某個節點的響應對應的輸入影象的區域就是感受野。 比如我們第一層是一個3*3的卷積核,那麼我們經過這個卷積核得到的featuremap中的每個節點都源自這個3*3的卷積核與原影象中3*3的區 […]

概率 & 取樣

Inference and Decision some notation: p(D|\theta) 表示的並不是一個條件概率,這是一個關於\theta的函式; p(x_i|\theat)表示的是一個PDF,這裡的\theta是一個定值; 生成模型: 根據P(x|y) 和p(x), 利用貝葉斯求出p( […]

機器學習之實戰樸素貝葉斯演算法

貝葉斯分類是一類分類演算法的總稱,這類演算法均以貝葉斯定理為基礎,故統稱為貝葉斯分類,而樸素貝葉斯分類可謂是裡面最簡單、入門的一種。 首先關於貝葉斯定理,感覺簡單而偉大,前些天一直在看吳軍的數學之美(沒看過的極力推薦)系列文章,看到自然語言處理從規則模型到統計模型轉變的時候,語言的識別準確率上升好幾 […]

機器學習–Adaboost 演算法的原理與推導

0 引言     一直想寫Adaboost來著,但遲遲未能動筆。其演算法思想雖然簡單:聽取多人意見,最後綜合決策,但一般書上對其演算法的流程描述實在是過於晦澀。昨日11月1日下午,在我組織的機器學習班 第8次課上講決策樹與Adaboost,其中,Adaboost講得酣暢淋漓,講完後,我知道,可以寫本 […]

HOG特徵的理解

HOG特徵 有關HOG特徵的介紹、詳解、程式碼在網上都能找到很多。我是在處理車牌識別中字元識別問題時,無意之中接觸到HOG特徵演算法的,當時趕時間完成作業,正愁於如何對數字和字母,以及部分漢子提取特徵,以便能夠準確地實現識別的功能。一看到HOG特徵,讓我眼前一亮,雖然演算法是設計用來識別行人的,但用 […]

CVTE中央研究院實習生招聘(長期有效)

職位描述: CVTE中央研究院正在招收若干學術實習生。每位實習生都會在一位或多位資深研究員的指導下在手寫體識別、文字檢測、文件分析、語言模型方面進行最前沿的研究工作,並將研究成果用於相關實際問題。 職位要求: 1、計算機視覺、模式識別、自然語言處理等相關領域碩士/博士在讀 2、優秀的學術背景與數學基 […]

CNN程式碼學習

本程式是來自deepLearnToolbox-master裡面的經典cnn程式 看了前面2篇關於卷積神經網路的部落格,應該對卷積神經網路有了大概的瞭解吧!如下,我將介紹我個人所學的東西。 首先CNN的整體網路結構為:     在瞭解卷積神經網路前,首先要理解卷積是如何進行計算的:   一.比如次部落 […]