機器學習 Machine Learning

1/2ページ

深度學習方法(十三):卷積神經網路結構變化——可變形卷積網路deformable convolutional networks

上一篇我們介紹了:深度學習方法(十二):卷積神經網路結構變化——Spatial Transformer Networks,STN創造性地在CNN結構中裝入了一個可學習的仿射變換,目的是增加CNN的旋轉、平移、縮放、剪裁性。為什麼要做這個很奇怪的結構呢?原因還是因為CNN不夠魯棒,比如把一張圖片顛倒一 […]

Guass-newton

 Gauss-Newton演算法是解決非線性最優問題的常見演算法之一,最近研讀開源專案程式碼,又碰到了,索性深入看下。本次講解內容如下: 基本數學名詞識記 牛頓法推導、演算法步驟、計算例項 高斯牛頓法推導(如何從牛頓法派生)、演算法步驟、程式設計例項 高斯牛頓法優劣總結 一、基本概念定義 1.非 […]

opencv2.1.3 win10 vs2013

由於課題的需要,需要用到OpenCV來做相機的標定,所以專門在VS2013下配置了OpenCV2.4.13,同時也是想著能夠養成隨時記筆記的習慣。但是在配置的過程中,經常是每一個工程都需要重新配置,比較繁瑣,所以特意做了Debug_PropertySheet.props和Release_Proper […]

Epoch、Batch Size和迭代

你肯定經歷過這樣的時刻,看著電腦螢幕抓著頭,困惑著:「為什麼我會在程式碼中使用這三個術語,它們有什麼區別嗎?」因為它們看起來實在太相似了。   為了理解這些術語有什麼不同,你需要了解一些關於機器學習的術語,比如梯度下降,以幫助你理解。   這裡簡單總結梯度下降的含義…   梯度下降 這是 […]

三十分鐘理解計算圖上的微積分:Backpropagation,反向微分

神經網路的訓練演算法,目前基本上是以Backpropagation (BP) 反向傳播為主(加上一些變化),NN的訓練是在1986年被提出,但實際上,BP 已經在不同領域中被重複發明了數十次了(參見 Griewank (2010)[1])。更加一般性且與應用場景獨立的名稱叫做:反向微分 (rever […]

機器學習方法:迴歸(二):稀疏與正則約束ridge regression,Lasso

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 “機器學習方法“系列,我本著開放與共享(open and share)的精神撰寫,目的是讓更多的人瞭解機器學習的概念,理解其原理,學會應用。希望與志同道合的朋友一起交流,我剛剛設立了了一個技術交流QQ群:43 […]

機器學習方法:迴歸(一):線性迴歸Linear regression

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 開一個機器學習方法科普系列:做基礎回顧之用,學而時習之;也拿出來與大家分享。數學水平有限,只求易懂,學習與工作夠用。週期會比較長,因為我還想寫一些其他的,呵呵。 content: linear regress […]