人工智能

原创 性能度量

错误率与精度查准率、查全率与F1ROC与AUC代价敏感错误率与代价曲线比较检验假设检验交叉验证t检验McNemar检验Friedman检验与Nemenyi后续检验偏差与方差

原创 机器学习常用算法

线性模型决策树神经网络支持向量机贝叶斯分类器集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习

转载 Fuzzy c-means (FCM)聚类算法

原理 允许同一数据属于多个不同的类。该算法(developed by Dunn in 1973 and improved by Bezdek in 1981)经常用于模式识别，基于最小化下列目标函数：      ,     其中， m 是大于1的实数，uij 是xi 属于类别 j隶属度， xi 第i个测量到的d维数据, cj 是类j的聚类中心，||*|| 表示任一测量数据与

转载 Lua中的九九乘法表以及字符串拼接

for m=1,9 do // for循环1到9 local s = "" // 定义一个用来输出的字符串S for n=1,9 do // 内层循环1到9 if n <= m then // 注

原创 cmake指定c++编译版本

修改 CMakeLists.txt 文件，添加如下命令SET(CMAKE_C_COMPILER "/home/public/local/bin/gcc")SET(CMAKE_CXX_COMPILER "/home/public/local/bin/g++")

转载 Adversarial Nets Papers

https://github.com/zhangqianhui/AdversarialNetsPapers

转载 最临近、双线性、三次卷积插值（图像放缩）

对图像进行放缩，实际上根据原图像的像素信息推导出放缩后图像的像素信息，实际上是通过插值实现了这一问题。常用的插值算法由以下四种：1.    最近像素插值算法（Nearest Neighbour interpolation）　　最近像素插值算法是最简单的一种插值算法，当图片放大时，缺少的像素通过直接使用与之最接近的原有的像素的颜色生成，也就是说照搬旁边的像素，这样做的结果是产生了明显

转载 语言表示学习

转载 基本Kmeans算法介绍及其实现

1.基本Kmeans算法[1][cpp] view plain copy选择K个点作为初始质心  repeat      将每个点指派到最近的质心，形成K个簇      重新计算每个簇的质心  until 簇不发生变化或达到最大迭代次数  时间复杂度：O(tKmn)，其中，t为迭代次数，K为簇的数目，m为记录数，n为维数

转载 ResNet && DenseNet(原理篇)

这篇博客讲现在很流行的两种网络模型，ResNet和DenseNet,其实可以把DenseNet看做是ResNet的特例 文章地址: [1]Deep Residual Learning for Image Recognition,CVPR2015 [2]Densely Connected Convolutional Networks,CVPR2016本篇博客不讲论文的内容，只讲主

转载 如何在Ubuntu系统下安装使用LaTeX

LaTeX是一款强大的排版系统，尤其在编辑复杂的数学公式时具有其他软件无法比拟的优势。那么，如何在Ubuntu系统下使用LaTeX呢？工具/原料Ubuntu系统联网环境方法/步骤1首先，同时按下“Alt+Ctrl+t”键，打开终端，如下图所示。

转载 OpenCV参考手册之Mat类详解（三）

译文参考The OpenCV Reference Manual （Release 2.3）August 17 2011Mat::eye返回一个恒等指定大小和类型矩阵。C++: static MatExpr Mat::eye(int rows, int cols, inttype)C++: static MatExpr Mat::eye(Size size, int type)

转载 关于SVM一篇比较全介绍的博文

最新人工智能论文：http://paperreading.club转自：http://blog.csdn.net/v_july_v/article/details/7624837前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲清楚...

转载 深度｜NIPS 2016最全盘点：主题详解、前沿论文及下载资源（附会场趣闻）

机器之心编辑参与：微胖、杜夏德、吴攀、李亚洲当地时间 12 月 5 日到 10 日，机器学习和计算神经科学的国际顶级会议第 30 届神经信息处理系统大会（NIPS 2016）在西班牙巴塞罗那举行。在这次会议上，人工智能和机器学习领域的研究者为我们呈现了这一领域的研究前沿，其中包括：学习去学习（learning-to -learn）、生成对抗网络（GAN）、用于三维导航的强化学习、R

转载 用深度学习来获取文本语义：词向量应用于自然语言处理

词向量是一种把词处理成向量的技术，并且保证向量间的相对相似度和语义相似度是相关的。这个技术是在无监督学习方面最成功的应用之一。传统上，自然语言处理（NLP）系统把词编码成字符串。这种方式是随意确定的，且对于获取词之间可能存在的关系并没有提供有用的信息。词向量是NLP领域的一个替代方案。它把词或短语映射成实数向量，把特征从词汇表大小的高维度空间降低到一个相对低的维度空间。例如，让我们看看四个词：

转载 读取yuv并转化为RGB数据在Opencv中打开显示

#include #include #include #include #include #include using namespace std;using namespace cv;const int width = 1280;const int height = 720;const int framesize = width * height * 3 / 2;

转载 Deep Learning in NLP （一）词向量和语言模型

这篇博客是我看了半年的论文后，自己对 Deep Learning 在 NLP 领域中应用的理解和总结，在此分享。其中必然有局限性，欢迎各种交流，随便拍。　　Deep Learning 算法已经在图像和音频领域取得了惊人的成果，但是在 NLP 领域中尚未见到如此激动人心的结果。关于这个原因，引一条我比较赞同的微博。@王威廉：Steve Renals算了一下icassp录取文章题目中包

转载 faster-rcnn 之 RPN网络的结构解析

【说明】：欢迎加入：faster-rcnn 交流群 238138700，我想很多人在看faster-rcnn的时候，都会被RPN的网络结构和连接方式纠结，作者在文中说的不是很清晰，这里给出解析；【首先】：大家应该要了解卷积神经网络的连接方式，卷积核的维度，反向传播时是如何灵活的插入一层；这里我推荐一份资料，真是写的非常清晰，就是MatConvet的用户手册，这个框架底层借用的是caffe的

转载 google batchnorm 资料总结

训练webface 李子青提出的大网络，总是出现过拟合，效果差。 尝试使用batchnorm。参考博客： http://blog.csdn.NET/malefactor/article/details/51549771 cnn 和rnn 中如何引入batchnormhttp://blog.csdn.Net/happynear/article/details/44238541  Go

转载 本体

作者：贺易之链接：https://www.zhihu.com/question/19558514/answer/65479687来源：知乎著作权归作者所有，转载请联系作者获得授权。第一，Protégé这个软件是斯坦福大学基于JAVA语言开发的用于编辑本体的软件，即只是一个「编辑本体的工具」第二，DBpedia是目前已建立的一个比较大型的本体，它的术语和术语间的关系基于英文维

转载 LDA主题聚类学习小结

最近学习了LDA Topic聚类算法，里面涉及到许多概率论的知识，需要回过头去学习，这里做个小结，方便记忆，同时也希望能把它讲明白。LDA模型算法简介：      算法 的输入是一个文档的集合D={d1, d2, d3, ... , dn}，同时还需要聚类的类别数量m；然后会算法会将每一篇文档 di 在 所有Topic上的一个概率值p；这样每篇文档都会得到一个概率的集合di=（dp1，

转载 使用torch7进行文本分类（一）

博客荒废了很久准备重新开始写起来。最近一直在忙毕设的事情准备用深度学习的方法进行微博情感分析，在我们的研究中，将使用5分类的方法来将微博进行分类。之前纠结深度学习工具的选择，先后在theano，deeplearningtoolbox，torch和deeplarining4j之间纠结了很久，选来选去最终还是选了torch7。具体原因先按下不表，过程很纠结就是了。torch7除了标

转载 图像分割方法deeplab以及Hole算法解析

尊重原创，转载请注明：http://blog.csdn.net/tangwei2014deeplab发表在ICLR 2015上。论文下载地址：Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFS.deeplab方法概述 deeplab方法分为两步走，第一步仍然采

转载 使用GraphViz画caffe/torch的网络结构图

caffe的Python接口中有一个很不错的功能：画网络结构图，虽然画得并不好看，但可以给人一种直观的感受。一、准备　　首先caffe的Python接口当然是必备的了，还没有生成python接口的同学可以参照我的上一篇博客来生成。 　　然后是需要安装protobuf的python接口，可以参照这篇博客进行安装，安装过程比较简单，就不赘述了。 　　安装GraphViz：htt