- 博客(16)
- 收藏
- 关注
RSS订阅转载 堆排序原理及算法实现（最大堆）
堆排序 堆排序是利用堆的性质进行的一种选择排序。下面先讨论一下堆。1.堆 堆实际上是一棵完全二叉树，其任何一非叶节点满足性质： Key[i]=Key[2i+1]&&key>=key[2i+2] 即任何一非叶节点的关键字不大于或者不小于其左右孩子节点的关键字。 堆分为大顶堆和小顶堆，满足Key[i]>=Key[2i+1]&&key>
2015-09-30 09:24:34
513
转载 Softmax回归
在本节中，我们介绍Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签 可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的，不过后面也会介绍它与深度学习/无监督学习方法的结合。（译者注： MNIST 是一个手写数字识别库，由NYU 的Y
2015-09-24 11:28:28
406
转载 Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning
2015-09-23 10:36:36
792
转载 SVM特点
本文转自牛牛草堂SVM有如下主要几个特点：(1)非线性映射是SVM方法的理论基础,SVM利用内积核函数代替向高维空间的非线性映射；(2)对特征空间划分的最优超平面是SVM的目标,最大化分类边际的思想是SVM方法的核心；(3)支持向量是SVM的训练结果,在SVM分类决策中起决定作用的是支持向量。(4)SVM 是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测
2015-09-15 10:16:02
616
转载 卷积神经网络
优点：（1）卷积神经网络对几何变换、形变、光照具有一定程度的不变性。（2）训练过的卷积神经网络可以用较小的计算代价扫描整幅待检测图像，因此，被广泛应用于目标检测。缺点：实践中，具有类标号的数据较少，而不具有类标号的数据非常丰富，为每个数据人工设置类标号是非常费时和枯燥的。然而，为了使得监督卷积神经网络通过训练具有较高的泛化能力，需要大量具有类标号的训练样本，这也是制
2015-09-14 16:56:46
1472
转载 Softmax vs. Softmax-Loss: Numerical Stability
The softmax loss layer computes the multinomial logistic loss of the softmax of its inputs. It’s conceptually identical to a softmax layer followed by a multinomial logistic loss layer, but provides a
2015-09-14 16:29:22
1076
转载 (CNN的反向求导及练习)
前言： CNN作为DL中最成功的模型之一，有必要对其更进一步研究它。虽然在前面的博文Stacked CNN简单介绍中有大概介绍过CNN的使用，不过那是有个前提的：CNN中的参数必须已提前学习好。而本文的主要目的是介绍CNN参数在使用bp算法时该怎么训练，毕竟CNN中有卷积层和下采样层，虽然和MLP的bp算法本质上相同，但形式上还是有些区别的，很显然在完成CNN反向传播前了解bp算法是必须
2015-09-14 15:46:00
1546
转载 一文读懂卷积神经网络
今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处理
2015-09-14 15:15:18
888
原创 KMeans笔记 K值以及初始类簇中心点的选取
本文主要基于Anand Rajaraman和Jeffrey David Ullman合著，王斌翻译的《大数据-互联网大规模数据挖掘与分布式处理》一书。 KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭
2015-09-14 10:45:38
7138
2
原创 多线程和多进程
1、多线程和多进程的区别a.地址空间和其它资源：进程间相互独立，同一进程的各线程间共享。b.通信：进程间通信IPC，线程间可以直接读写进程数据段（如全局变量）来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性。c.调度和切换：线程上下文切换比进程上下文切换要快得多。d.进程是程序在计算机上的一次执行活动，县城是是系统独立调度的基本单位。
2015-09-13 21:30:04
407
转载 delete指针之后应该赋值NULL
首先，C++标准规定：delete空指针是合法的，没有副作用。但是，delete p后，只是释放了指针指向的内存空间。p并不会自动被置为NULL，而且指针还在，同时还指向了之前的地址。 问题来了，对一个非空指针delete后，若没有赋NULL，若再次delete的话，有可能出现问题。如下代码int *p = new int(3);delete p
2015-09-11 15:28:03
861
原创 c++ list, vector, map, set 区别与用法比较
List封装了链表,Vector封装了数组, list和vector得最主要的区别在于vector使用连续内存存储的，他支持[]运算符，而list是以链表形式实现的，不支持[]。Vector对于随机访问的速度很快，但是对于插入尤其是在头部插入元素速度很慢，在尾部插入速度很快。List对于随机访问速度慢得多，因为可能要遍历整个链表才能做到，但是对于插入就快的多了，不需要拷贝和移动数据，只需要
2015-09-11 13:55:52
1014
原创 CMakeLists 文件
今天移植caffe库， 需要大量的cmakelist, 这里特别学习一下LevelDB 在这个库的cmake ，需要用到boost库， cmakelist 的时候，找不到这个库， 博客说明： 与编译GFlags方法类似，唯一需要注意的地方是将CMakeLists.txt中第82行的-DSNAPPY注释掉，否则需要依赖Snappy库，其实并不绝对需要，为了简单起见将此库去掉。
2015-09-07 23:25:49
440
原创 cmake 编译opencv 出现 The C++ compiler "C:/Program Files/Microsoft Visual Studio 10.0/VC/bin/cl.exe
编译opencv 出现 The C++ compiler "C:/Program Files/Microsoft Visual Studio 10.0/VC/bin/cl.exe分类： 编程类2014-02-14 14:47 4145人阅读 评论(7) 收藏 举报在用cmake编译opencv出现的错误The CXX compiler identificatio
2015-09-07 21:43:47
1824
转载 C++继承问题
零基础在线学习IT热门课程，掌握最前沿技术：北风网了解继承的概念之后，我们就来学习一下如何实现继承。私有和保护在第14章中我们说到，成员函数或成员数据可以是公有或者私有的。如果是公有的，那么它们可以被直接访问；如果是私有的，那么它们无法被直接访问。同时，我们还提到一个protected保留字，在没有使用继承的时候，它与private的效果是一样的，即无法被直接访问。如果使用了继
2015-09-06 17:58:36
435
转载 C++
1.在C++ 程序中调用被C 编译器编译后的函数，为什么要加extern “C”？答：首先，extern是C/C++语言中表明函数和全局变量作用范围的关键字，该关键字告诉编译器，其声明的函数和变量可以在本模块或其它模块中使用。通常，在模块的头文件中对本模块提供给其它模块引用的函数和全局变量以关键字extern声明。extern "C"是连接申明(linkage declaration),被
2015-09-06 09:52:43
496
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人