- 博客(12)
- 收藏
- 关注
RSS订阅
原创 对人工智能的一些思考和给初学者的建议
"THE TRUE SIGN OF INTELLIGENCE IS NOT KNOWLEDGE BUT IMAGINATION. " ——Albert Einstein写在前面的一些话各位大佬们好，我是一个人工智能研究领域的小学生，愿意的话，你们可以叫我Carlisle。在开启这个博客之前，我已经完成了四年的本科学习，我的专业是信号处理，同时现阶段我正在海外完成人工智能硕士学位。很开心在我的学术生涯道路上得到了许多老师和同事的帮助，使得我能够在漫长的人工智能发展历史中，留下属于我自己的一笔痕迹。.
2020-06-10 21:26:17
4781
4
原创 VSCODE+OpenCV4.1.0 Windows下配置
VSCODE+OpenCV4.1.0 Windows下配置前言配置组件MinGW 64安装配置方案CMake GUIvscode文件配置launch.jsonc_cpp_properties.jsontasks.json结束语前言vscode因界面美观性，强大的兼容性，以及轻量化设计广受程序员青睐，今天老杨主要谈一下如何使用vscode配置opencv，从而开启计算机视觉学习之路。老杨在配置的过程中也参考了很多博主的博客，发现大部分是针对linux进行配置的，对于windows下的配置讲解十分少。在vs
2020-11-15 14:54:41
938
原创 老杨《大话数据结构》第三章 线性表
基本概念线性表是零个或者多个数据元素的有序序列，第一个元素没有前驱，最后一个元素没有后继，其他数据元素有且仅有一个前驱一个后继，同时线性表元素的个数n定义为线性表长度。线性表的抽象数据类型ADT=>Data{a1, a2, ..., an}, 且每个元素的类型均为DataType，从第二个数据元素到倒数第二个数据元素都有且仅有一个前驱元素，和一个后继元素。=>OperationInitList(*L)ListEmpty(L)ClearList(*L)GetE
2020-09-26 14:17:08
232
原创 老杨《大话数据结构》第二章 算法
算法是解决特定问题求解步骤的描述，计算机中表现为指令的有限序列，每条指令表示一个或者多个操作。1. 算法的特性输入 输出 有穷性 确定性 可行性2. 算法设计的要求正确性 可读性 健壮性 时间效率高和储存量低3. 算法效率的度量方法事后统计方法 事前分析估计方法通过书中所给1+2+...+99+100的例子，可以明显对比出几种不同算法具有不同的空间和时间开销。某个算法随着n增大，会越来越优于另一算法，或者越来越差于另一算法。这里就可以体现出，算法本身的复杂度是时刻变化的
2020-09-25 22:32:13
163
原创 特征的提取与分析（未完结）
前言：许多的工程项目都具备通用的范式，一般情况下，一个人工智能项目会遵循以下图1的流程。在第一章中，我们简单地了解了一些相关数据的知识还有一些常见的，基本的数据预处理方法。在第二章中，我们会介绍一个人工智能项目的第二部分，特征的提取与分析。图1 项目设计基本环节特征的提取所谓特征的提取，用最直白的话讲：就是把我们拥有的数据（人类能理解和收集到的），提取成能够胜任对应任务的特征，方便后续加以应用。特征提取的方法多种多样，维度有高有低有稠密有稀疏，这也是使得机器学习和深度学习，对于..
2020-09-25 21:00:36
791
原创 老杨《大话数据结构》笔记 第一章
前言笔者最近在复习《算法与数据结构》这方面内容，由于在求职过程中经常会有所考察，因此在这里对其进行梳理并做笔记。本专题结构按照《大话数据结构》一书进行开展，对源码和内容进行学习。话不多说，进入正题。基本概念的通俗解释数据就是计算机要处理的东西，包含多种数据类型，也囊括不同媒体形式，如字符，声音，图像，视频等，可以被统称为“符号”。所具备的特点是：可以输入计算机，可以被计算机处理。非传统数据类型数据，如声音，图像等，需要编码后可输入。 数据元素就是数据中每一个基本单位，可以认为是一袋米（数据）中
2020-09-25 20:57:50
218
原创 第二章：小试牛刀——深度学习初探
前言好久不见各位，前段时间因为专注个人工作所以很少有时间完成一些文字性工作。这个周末起的比较早，来更新一下系列的文章。在第一章节中，我们讲到了什么是深度学习中的数据，以及常见的一些数据预处理方式。其实对于实际的研究和现实工作来讲，第一章节所讲的内容只能说是帮助大家树立一个意识。在实际的工业应用和研究中，我们面临的数据总是多种多样，数据质量参差不齐，因此具体怎么处理仍要看工作的实际需求和任务的实际实现i情况。通过这两点来进行不断地调试，才能获得最佳的结果。当我们准备好了数据，那么下一步的工作就是，构建
2020-07-13 09:03:02
315
原创 论文笔记与解读《DRAW: A Recurrent Neural Network for Image Generation》
前言笔者临近硕士毕业，我的硕士毕业项目十分类似一个非常著名的研究工作： DRAW: A Recurrent Neural Network for Image Generation，该项工作由2015年由Google Deepmind发表在ICML并产生了很大的影响力。其核心贡献点在于，通过视觉注意力关注区域序列，并基于变分自动编码器Variational AutoEncoder (VAEs)，对图像进行生成，而不是将整张图象送入神经网络中进行压缩摘要本文介绍了深度递归作者（DRAW）神经网络架构
2020-06-30 21:57:55
1949
原创 第一章（续篇）：数据的预处理
前言数据的预处理在人工智能和数据挖掘领域都是恒久的经典话题。现实中，我们所拿到的数据可能有残缺项，可能有离常值等各种问题。类比人类的学习过程，这就像你在挑选习题集的时候，总要买质量好的练习题才能学到真东西，也能更准确地反映自己的学习状态。一个高质量的数据集,能够帮助我们的学习模型更快的了解数据本身的特征。在深度学习和机器学习中，好的预处理有利于稳定初始训练状态，减少触发梯度计算中潜在的爆炸，消失等问题的几率，同时能够方便模型进行寻优。既然预处理如此重要，那么在机器学习和深度学习的数据预处理中，我们怎
2020-06-15 03:12:02
1179
原创 第一章：喂什么数据给我的模型吃？
1. 简介作为系列博客的第一章，笔者首先想和大家谈的是深度学习中十分重要的一个组成部分——“数据”。很多讲解深度学习的文章都重点关注了神经网络的结构，以及其参数配置，然而对数据的部分讲解不够充分。这经常会导致学习的朋友陷入误区，算法至上而不是数据至上。这里笔者想对各位学习者解释的一点是，不论是在深度学习，或是机器学习，“数据”永远是最重要的。当你的模型或者算法不work，首先要检查的内容便是你的数据。因为我们最初目的是希望通过分析数据，找到其中的潜在特征和规律，并对其进行分析和应用。那些很高端很优秀的算
2020-06-11 18:28:07
1826
2
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