![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
FocusYang55
这个作者很懒,什么都没留下…
展开
-
【公开课】Tencent U 图 Medical image 笔记
问题: 脑卒中图像数据分类 脑卒中数据集: BraST, MRBrainS, Hippocampus(MRI, 1759), Brain Hemarhage, BraTS2018 1. 基于深度学习的医学影像算法开发难点 a. 数据(MRI, CT) 难以获取。 b. 标注十分昂贵 c. 由b 导致的标注数据过少,无法有效的训练深度学习网络。 2. 迁移学习是个问题, 不可行 a. 用FCN: 对图像进行分块,在放入FCN 训练,预训练encoder 部分。 b. 由于数据集格式多样..原创 2021-03-12 14:59:39 · 370 阅读 · 0 评论 -
imagenet download and train
#imagenet downloadand train reference : https://www.cnblogs.com/luruiyuan/p/12373328.html #1. download dataset #1.1 Download Torrent. validation datasethttp://academictorrents.com/download/5d6d0df7ed81efd49ca99ea4737e0ae5e3a5f2e5.torrenttrain datase..原创 2021-02-27 20:59:43 · 1512 阅读 · 2 评论 -
2021-01-23 linear regression 梯度下降的一点思考
用梯度下降法对线性函数训练。的一点思考 y = k * x _ b given x = 3 , y = 0.64 k ,b的初始值和each epoch 训练值如下: k , b : 0.1707537467836899 0.2802512489278963 k , b : 0.16160299742695194 0.277200999142317 k , b : 0.15428239794156157 0.27476079931385355 k , b : 0.148425918...原创 2021-01-23 20:08:43 · 121 阅读 · 0 评论 -
KKB_python_scratch_framework_sumup_lesson1
Review 1. Corralation, salient feature COV(X,Y) = E(X-E(X)*(Y-E(Y))) r(X,Y) = COV(X,Y)/(STD(X)*STD(Y)) == CORR 2. Machine Learning 2.1 Computational intelligence 2.2 Perceptual intelligence 2.3 Cognitive intelligence 3. K-Neighbor-Nearest(Lazy learning) i原创 2021-01-17 01:31:10 · 255 阅读 · 0 评论 -
lenet-5 各层分析
1.首先确定一下,CNN 和 DNN 最大的区别只有局部连接和权值共享。其他任何的变化都可以归为这两点。 2.声明几个符号 IH input高 IW input宽 OH output 高 OW ouput 宽 IC input channel OC output channel F 卷积核高和宽 P input padding S 滑动步长 3 网络结构 Input -&...原创 2019-11-26 22:13:00 · 766 阅读 · 0 评论 -
肌肉活动电信号推测手势竞赛总结
肌肉活动电信号推测手势竞赛总结 1. 训练集loss 比测试集 loss 高是为什么? 是因为做了数据增强。如对标签做smooth 处理。 2. 如果test set 比 validation set 的 accurancy 小很多怎么办? 1) 那么检查 数据预处理是否一致。 2) 增加训练迭代次数,如下图 epoch = 150 的时候还不稳定,到200的时候就稳定了。 ...原创 2019-11-23 22:55:44 · 396 阅读 · 0 评论 -
神经网络激活函数的意义
看这个视频,突然领悟到 激活函数物理意义,其实就是让一团数据,某个线性变换后,做一个揉捻的动作。然后所有数据可以有序的映射到1维空间。比如relu 就是把小于0的捏平。为什么要捏平呢 , 可能数据有很多凸起, 或者蘑菇状态的凸起,只有把这些凸起按下去,才能减少数据之间投影后的相互遮挡。当然可能需要不停的线性变换,把一些错误的突起部分压平,再做线性变换把另一些突起压平。最后数据团分布在了一个有序的空...原创 2019-11-07 17:00:39 · 360 阅读 · 0 评论