- 博客(16)
- 资源 (42)
- 收藏
- 关注
转载 hadoop学习——Hadoop核心组件
hadoop学习——Hadoop核心组件 下图展示了hadoop生态系统的核心组件。 下面来简单介绍各个组件的作用: HDFS(Hadoop distribute file system)——Hadoop生态系统的基础组件Hadoop分布式文件系统。它是其他一些工具的基础HDFS的机
2017-11-27 11:16:11 1232
转载 Hadoop较全面的概述
看到的比较全面的介绍Hadoop 1.0 和 2.0的区别软件栈如下图:Hadoop 1.0的内核主要由两部分构成:HDFS 存储大数据的平台,提供可靠性的存储服务(冗余数据,存储)。 MapReduce 构建在HDFS之上的分布式计算框架(计算、数据处理)。 Hadoop 2.0主要构成如下:
2017-11-27 11:14:26 894
转载 深度 | 理解深度学习中的卷积
译者按:本文译自 Tim Dettmers 的 Understanding Convolution in Deep Learning。有太多的公开课、教程在反复传颂卷积神经网络的好,却都没有讲什么是「卷积」,似乎默认所有读者都有相关基础。这篇外文既友好又深入,所以翻译了过来。文章高级部分通过流体力学量子力学等解释卷积的做法在我看来有点激进,这些领域恐怕比卷积更深奥,所以只需简略看看即可。以下是正文
2017-11-22 22:28:45 568
原创 如何通俗易懂地解释卷积?
这里感谢知乎的马同学 、张俊博等各位解释,获益很多,详细大家可以搜索知乎,这里只截取三种解释,并对三种解释的共同处做了一下自己的标注,马同学看图学数学,公众号:matongxue3141264 人赞同了该回答从数学上讲,卷积就是一种运算。某种运算,能被定义出来,至少有以下
2017-11-22 22:25:45 2158
转载 浅说深度学习(4):增强学习
浅说深度学习(4):增强学习这是本系列第四篇,这一篇中让我们一起深入学习一种让agent在环境中通过动作来最大化奖励的的机器学习方法————增强学习。增强学习还记得你是如何学会骑自行车的吗?一般都是大人陪在我们身边鼓励我们第一次迈出步伐,当我们摔倒时帮助我们继续骑。但是这很难解释我们到底是怎么骑的,而且就算再好的解释也没法让没骑过车的人理解这件事。我们只会有一种感觉,一
2017-11-21 21:56:44 1191
转载 浅说深度学习(3):序列学习
系列的第一篇概览了一下深度学习中的基本概念。第二篇介绍了深度学习的历史背景,以及如何高效地训练神经网络。而这一篇当中,我们将一起认识自然语言处理领域的核心:序列学习。图1:长短期记忆(LSTM)单元。LSTM有四个输入权重和四个循环权重。Peepholes是记忆细胞和门之间的额外连接,但他们对性能提升帮助不到,所以常被忽略。序列学习生活中的所有事物都是与时间相关的,也就形成
2017-11-21 21:53:42 1328
转载 浅说深度学习(2):简史
History深度学习简史第一个貌似深度学习的、具有多层非线性特征的算法可以追溯到1965年,Ivakhnenko和Lapa 用多项式激励函数组了个模型(图1),不宽但还挺深,结合统计方法做分析。在每一层里都用统计方法选择出最好的特征,并前馈给下一层。他们并没有使用反向传播来端到端地训练网络,而是逐层使用最小二乘法单独拟合。图1:已知的第一个深层网络架构,由Alexey
2017-11-21 21:52:44 670
转载 浅说深度学习(1):核心概念
浅说深度学习(1):核心概念原文来自Nvidia开发者社区:Deep Learning in a Nutshell: Core Concepts作者:Tim Dettmers, Author at Parallel Forall翻译:Kaiser此为系列首篇,旨在提供直观简明的深度学习引导,涵盖深度学习的基本概念,而不设计很多数学和理论细节。当然如果要做更深
2017-11-21 21:50:50 534
转载 数字图像处理,读懂频域处理的“傅里叶变换”
以下部分文字资料整合于网络,本文仅供自己学习用!这是一幅很绝的一维傅里叶变换动态图一,读懂傅里叶变换一个信号能表示成傅里叶级数的形式是有条件的,首先它必须是周期信号,第二必须是满足狄里赫利条件的周期信号。1,关于两大域:时域与频域(1),频域(frequency domain)是指在对函数或信号进行分析时,
2017-11-14 22:37:18 1960
转载 深度学习-LeCun、Bengio和Hinton的联合综述(下)
摘要:Yann LeCun、Yoshua Bengio和Geoffrey Hinton发表于《Nature》的综述文章“Deep Learning”中文译文的下半部分,详细介绍了CNN、分布式特征表示、RNN及其不同的应用,并对深度学习技术的未来发展进行了展望。【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。
2017-11-11 22:01:38 389
转载 深度学习-LeCun、Bengio和Hinton的联合综述(上)
摘要:最新的《Nature》杂志专门为“人工智能 + 机器人”开辟了一个专题 ,发表多篇相关论文,其中包括了LeCun、Bengio和Hinton首次合作的这篇综述文章“Deep Learning”。本文为该综述文章中文译文的上半部分。【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。为纪念人工智能提出60周年
2017-11-11 22:00:54 526
转载 机器学习的算法和普通《算法导论》里的算法有什么本质上的异同
机器学习的算法和普通《算法导论》里的算法有什么本质上的异同?本人非计算机专业出身,对这些方向感兴趣,所以有此一问。曾经问过一些人,说是机器学习全是数学,是用数学的方式试图去描述和理解我们的世界,而《算法导论》里的这些算法主要是如何用计算机的思维去处理一些实际的问题。我似懂非懂,还是没能抓住最根源上的东西。希望能有一些专业的,通俗的回答,谢谢了
2017-11-10 20:57:26 5458
转载 理解图像的傅里叶变换(细心分析)
最近在看图像的傅里叶变换,看着频谱图一直没看明白到底为啥是那样的,跟同学研究了好久,终于想明白了。感谢同学的耐心指导!大家相互讨论真的很快就能出结果,多讨论,多学习。图像的傅里叶变换图像是一个二维的信号,所以对它进行二维的傅里叶变换,对于MXN的一幅图像的离散二维傅里叶变换,公式如下: 从公式上可以看出,F(u,v)与f(x,y)与并不是一一对应的关系,F(u,
2017-11-09 15:41:43 6646 3
原创 案例解释图像傅里叶变换的幅度谱和相位谱的以及反变换
目的:读取图像 A(lena.tiff)和B(rice.tif),显示这两幅图像,对图像作傅立叶变换,显示图像的傅里叶幅度谱和相位谱。做傅立叶逆变换,显示重建图像。图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度对图像而言,图像的边缘部分是突变部分,变化较快,因此反应在频域上是高频分量(能量低,在变换后的图中,呈现黑灰色,内容见我的上一篇博客http://bl
2017-11-09 13:21:01 27171 2
转载 如果看了此文你还不懂傅里叶变换,那就过来掐死我吧【完整版】
我保证这篇文章和你以前看过的所有文章都不同,这是 2012 年还在果壳的时候写的,但是当时没有来得及写完就出国了……于是拖了两年,嗯,我是拖延症患者……这篇文章的核心思想就是:要让读者在不看任何数学公式的情况下理解傅里叶分析。傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是,傅里叶分析的公式看起来太复杂了,所以很多大一新生上来就懵圈
2017-11-09 12:54:56 472
转载 【机器学习技术】高斯过程初探
【机器学习技术】高斯过程初探 JasonDing 关注2015.11.13 15:21* 字数 2126 阅读 5064评论 0喜欢 8概述高斯过程是基于统计学习理论和贝叶斯理论发展起来的一种机器学习方法,适于处理高维度、小样本和非线性等复杂回归问题,且泛化能力强,与神经网络、支持向量机相比,GP具有容易实现、超参数自适应获取、非参数推断灵活以及
2017-11-07 22:59:21 1633
jquery-1.8.0.js+jquery-1.8.0-vsdoc.js
2013-02-22
VS2008jQuery智能提示
2013-02-22
asp.net在线截图web控件
2013-02-22
一个方便使用的在线截图Web控件-WebImageMaker
2013-02-22
ASP.NET 公司框架源码(70%成品)
2013-02-12
SNMP(简单网络管理协议)的原理和使用方法
2012-07-21
Endnote 7.5 文件 绿色版
2018-04-18
Endnote文献管理工具
2016-09-19
ACCP 6.0 Y2A 程序三种与数据库打交道的方式性能及安全性比较 .
2013-02-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人