Deep Learning
余莫星辰
人一定要靠自己。
展开
-
计算机视觉,机器学习相关领域源代码大集合
计算机视觉,机器学习相关领域源代码大集合转载 2016-05-31 08:56:25 · 1018 阅读 · 0 评论 -
【深度学习笔记001 深度学习入门导读】
2016年Google人工智能程序阿尔法围棋(AlphaGo)对战世界围棋选手李世石,最终以4:1的成绩获得胜利,这惊人的一幕将国内外研究和学习人工智能的热题推向了新的高潮。然而,何为深度学习?本文将揭开深度学习的面纱。 深度学习是机器学习的一个新分支,以人工神经网络为基础模拟人脑的分析学习机制来进行分析图像、声音、文本等数据。原创 2017-06-06 12:11:19 · 1333 阅读 · 0 评论 -
距离与相似性度量
一、距离: 1.1 明可夫斯基距离(Minkowski Distance)公式:其中p是一个变量,下面的所有距离都是这个公式的特例;p=1就是曼哈顿距离, P=2就是欧式距离,P=无穷时,就是切比雪夫距离. 1.2 欧几里得距离(Euclidean Distance)最常见的欧式距离就是平面上两点间的距离D=sqrt(x^2+y^2);通用的公式为:1.3转载 2017-06-11 21:23:09 · 3167 阅读 · 0 评论 -
准确率 召回率与数据归一化
1 准确率 召回率在信息检索、分类体系中,有一系列的指标,搞清楚这些指标对于评价检索和分类性能非常重要,因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate),召回率也叫查全率,准确率也叫查准率,概念公式: 召回率(Recall)转载 2017-05-24 21:28:18 · 1958 阅读 · 1 评论 -
机器学习中的相似性度量
在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录:1.欧氏距离2.曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5.标准化欧氏距离6转载 2017-01-05 10:40:25 · 550 阅读 · 0 评论 -
机器学习常见算法分类汇总
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里IT经理网为您总结一下常见的机器学习算法,以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从两个方面来给大家介绍,第一个方面是学习的方式,第二个方面是算法的类似性。转载 2016-12-27 17:43:39 · 570 阅读 · 0 评论 -
深度信念网络(DBN)
深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。1. 自联想神经网络与深度网络 自联想神经网络是很古老的神经网络模型,简单的说,它就是三层BP网络,只不过它的输出等于输入。很多时候我们并不要求输出精确的等于输入,而是允许一定转载 2016-12-27 15:14:44 · 2991 阅读 · 0 评论 -
卷积神经网络(CNN)
在上篇中介绍的输入层与隐含层的连接称为全连接,如果输入数据是小块图像,比如8×8,那这种方法是可行的,但是如果输入图像是96×96,假设隐含层神经元100个,那么就有一百万个(96×96×100)参数需要学习,向前或向后传播计算时计算时间也会慢很多。 解决这类问题的一种简单方法是对隐含单元和输入单元间的连接加以限制:每个隐含单元仅仅只能连接输入单元的一部分。例如,每个隐含单元仅仅连接输入转载 2016-12-27 15:13:10 · 1142 阅读 · 0 评论 -
【深度学习笔记002 神经网络与主流框架】
无论是前段时间的阿尔法完胜柯洁,还是谷歌、苹果公开它的无人驾驶计划,无不说明一个事实:一场人工智能(AI)的革命已经开始!作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就out了?这篇文章带你来一起见识一下神经网络与深度学习的主流框架。1 从生物神经网络模型衍生出人工神经网络模型?2 BP神经网络?3 卷积神经网络?4 深度学习的主流框原创 2017-06-25 21:07:05 · 1732 阅读 · 0 评论