- 博客(11)
- 资源 (9)
- 收藏
- 关注
转载 Deep Learning源代码收集-持续更新…
申明:本文非笔者原创,原文转载自:http://blog.csdn.net/zouxy09/article/details/11910527收集了一些Deep Learning的源代码。主要是Matlab和C++的,当然也有python的。放在这里,后续遇到新的会持续更新。下表没有的也欢迎大家提供,以便大家使用和交流。谢谢。 最近一次更新:2013-9-22
2013-10-21 22:35:51 4561 1
转载 稀疏表达:向量、矩阵与张量(中)
申明,本文非笔者原创,原文转载自:http://www.cvchina.info/2010/07/13/sparse_representation_vector_matrix_tensor2/在开始正文之前,咱首先得说明一下,这篇东西偏向于理论,各位看官可以自行跳过某些部分。这方面的工作奠基人同样也是compressive sensing的大牛之一E.J Candes(Dono
2013-10-17 17:52:14 5562
转载 稀疏表达:向量、矩阵与张量(上)
申明:本文非笔者原创,原文转载自:http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1/稀疏表达是近年来SP, ML, PR, CV领域中的一大热点,文章可谓是普天盖地,令人目不暇给。老板某门课程的课程需要大纲,我顺道给扩展了下,就有了这个上中下三篇介绍性质的东西。遗憾的是
2013-10-17 17:51:35 6132
转载 压缩感知进阶——有关稀疏矩阵
申明:本文非笔者原创,原文转载自:http://blog.csdn.net/abcjennifer/article/details/7748833===============================回忆传统压缩对于原始信号x∈C(N*1),传统压缩是构造正交矩阵D∈C(N*N),正变换为y=Dx, 反变换x=D-1y= DTy, D-1= DT。
2013-10-17 17:50:30 2374
转载 初识压缩感知Compressive Sensing
申明:本文非笔者原创,原文转载自:http://blog.csdn.net/abcjennifer/article/details/7721834压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目。最近粗浅地看了这方面一些研究,对于Compressive Sensing有了初步理解,在此分享一些资料与精华。本文针对陶哲轩和Emmanuel Candes上次到北京的讲
2013-10-17 16:57:09 2121
转载 [资料]L1算法代码大合集
申明:本文非笔者原创,原文转载自:http://blog.163.com/gan_research/blog/static/1653481482010102810141278/在别的网站,http://www.eecs.berkeley.edu/~yang/software/l1benchmark/看到很久了,今天转过来,给大家方便。SparseLab: http://
2013-10-17 16:55:49 9511 1
转载 稀疏表示step by step
申明:本文非笔者原创,原文转账自:http://blog.csdn.net/zhang11wu4/article/details/8058777踏入“稀疏表达”(Sparse Representation)这个领域,纯属偶然中的必然。之前一直在研究压缩感知(Compressed Sensing)中的重构问题。照常理来讲,首先会找一维的稀疏信号(如下图)来验证CS理论中的一些原理
2013-10-17 15:09:30 9799
原创 介绍几篇压缩感知相关的文章
这几篇是个人觉得比较通俗易懂的入门文章,(1)压缩感知研究; 戴琼海、付长军;清华大学;计算机学报 2011(2)压缩感知; 许志强;中科院计算所; 2012;(3)压缩感知理论及其研究进展; 石光明、刘丹华; 西电; 电子学报; 2009;(4)一个武汉大学的PPT,2011年的(5)压缩感知回顾与展望; 焦李成、杨淑媛; 西电; 电子学报; 2011;
2013-10-12 17:26:25 2718 1
原创 压缩感知简介
Nyquist采样定理(香农采样定理)指出,采样速率达到信号带宽的两倍以上时,才能由采样信号精确重建原始信号。可见,带宽是Nyquist采样定理对采样的本质要求。然而随着人们对信息需求量的增加,携带信息的信号带宽越来越宽,以此为基础的信号处理框架要求的采样速率和处理速度也越来越高。解决这些压力常见的方案是信号压缩。但是,信号压缩实际上是一种资源浪费,因为大量的不重要的或者只是冗余信息在压缩过程中被
2013-10-12 17:18:01 7946
原创 介绍一个牛人的机器学习PPT
Andrew Ng,斯坦福大学教授,同时也是Google公司某个机器学习项目的负责人,再同时,他就是那个“Google猫脸识别”的创造者。什么?你没听说过前段时间媒体上很火热的“Google猫脸识别”?赶紧Google吧;此人在人工智能领域造诣颇深,最近几年的研究兴趣主要在无监督学习、深度神经网络、深度学习方面,笔者要介绍的这个PPT也是关于这方面的,有兴趣的朋友请自己去下载:http://dow
2013-10-02 16:04:05 14278
压缩感知的几个入门文章
2013-10-12
PAMI2012行人检测综述
2012-12-18
TLD算法论文及PPT
2012-11-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人