每日一得 11-03-16～11-03-20

11-03-06

今天主要看了关于

Fenchel's duality theorem

的一些内容，感觉这个理论其实很好理解 但是，式子一点都看不懂，有点头疼。

 

另外看了Locality-constrained Linear Coding for Image Classification的前面一部分，到生成CodeBook前把。那部分除了算法具体实现不是很清楚外，其他的都还可以理解。

基础不牢固啊！

不过框架上还是很清晰的，不过这个框架真的有前途么？

我更同意林倞老师的看法，确实这种非语义的图像分类识别是有其局限了

就这样吧

 

 

11-03-18

今天跟老师聊了一下，发现自己真的很不能表达自己的观点，对于AGM框架虽然了解，但是具体的实现却一塌糊涂。什么泰勒展开，各种范式。各种不会，有点难度呢，不过重温了一下Accelerated Grandient Method for Multi-Task Sparse Learning Problem 感觉这篇文章写得太简单了，上面我想要了解的东西都不在上面。

 

此外试了一下实地的K-L的效果，或许我对欧式距离的习惯，让我觉得那个表达非常的诡异，不过老师今天说的那个  logistics 归一效果还不错，但是不敢乱改代码了

数据归一化：log(1+exp(xi))/sum(log(1+exp(X)))

X={x1,x2...xn}

如果能验证KL 在AGM上的有效性的话，是不是就相当于新的创造了一种loss function 呢？虽然可能不成功 但是还是一定要试试

后面要看的东西就多了

一定要彻底理解AGM！

 

11-03-19

勿在浮沙筑高塔

真正体会到了这句话的难处。

开始看On Accelerated Proximal Gradient Methods for Convex-Concave Optimization 好吃力。

粗粗看完第一部分 

现在的问题

domP是什么意思?

Lipschitz continuous 

Bergman divergence

inf？

另外就是推导过程中的细节

明天要加油！不能浪费时间！