- 博客(22)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 K-Means及K-Medoid
K-Means及K-Medoid1 算法简介通常意义上接触的聚类问题是一个按照相似性（距离）进行样本聚集的过程，即把相似的（或距离近的）样本聚为同一类，而把不相似的（或距离远的）样本归在其他类。我们以一个二维的例子来说明聚类的目的。如下图左所示，假设我们的n个样本点分布在图中所示的二维空间。从数据点的大致形状可以看出它们大致聚为三个簇，其中两个紧凑一些，剩下那个松散一些。我们的目的是为这些数...
2019-11-29 10:21:42
2074
1
转载 Top-K问题
前两天面试3面学长问我的这个问题（想说TEG的3个面试学长都是好和蔼，希望能完成最后一面，各方面原因造成我无比想去鹅场的心已经按捺不住了），这个问题还是建立最小堆比较好一些。先拿10000个数建堆，然后一次添加剩余元素，如果大于堆顶的数（10000中最小的），将这个数替换堆顶，并调整结构使之仍然是一个最小堆，这样，遍历完后，堆中的10000个数就是所需的最大的10000个。建堆时间复杂度是O（m...
2019-11-28 10:57:06
517
原创 理解进程与线程
进程程序是一段可执行的代码进程可以为程序执行的执行实例。程序执行一次，产生一个进程；程序执行结束等价于进程结束并销毁进程间不能共享其他进程的资源线程一个线程是一个CPU可执行的通道（多核多线程CPU）一个进程包含一个主线程，并创建多个线程。所有线程共享进程资源不带参数线程using System.Threading; void Test() { Thread...
2019-11-24 16:30:27
158
原创 常见的分布期望及其方差
分布名称表达式期望方差0-1分布Pi=P(X=i)=pipn−iP_i=P({X=i})=p^ip^{n-i}Pi=P(X=i)=pipn−ipp(1-p)二项分布Pi=P(X=i)=Cnipipn−iP_i=P({X=i})=C^i_np^ip^{n-i}Pi=P(X=i)=Cnipipn−inpnp(1-p)泊松分布指数分布...
2019-11-24 09:31:29
9625
6
原创 极大似然估计
什么是极大似然估计呢？似然就是文言文，翻译过来就是好像，极大似然，就是最像，估计就是猜。说到这里想必你还是不知道什么是最大似然估计，那么下面我用一个例子。例：假设在一个罐中放着许多黑球和白球，并假定已经知道两种球的数量之比为3:1，但不知道那种颜色的球最多，如果用放回抽样方法从罐中取5个球，观察结果为：黑、白、黑、黑、黑。估计取到黑球的概率p解：设x={1,取到黑球0,取到白球x=\b...
2019-11-23 15:31:11
213
翻译 论文领读：You Only Look Once:Unified,Real-Time Object Detection
原文翻译： 我们提供了一种新的目标检测的方法YOLO。先前在目标检测的工作将分类器重新定义来执行检测。相反，我们将目标检测定义为一个时空分离的边界框和相关类概率的一个回归问题。单个神经网络在一次评估中直接从完整的图像中预测边界框和类概率。因为整个的检测通道是单一网络，它直接从检测性能上进行端到端的优化。原文翻译：我们的统一架构非常快。我们基于YOLO模型以每秒45帧的速度实时处理图像。一个小...
2019-11-18 12:39:43
406
原创 《基于深度学习的自动驾驶技术综述》笔记
行人检测目前统计学的行人检测方法主要分为2类：1）提取有效特征并进行分类2）建立深度学习模型进行识别分类原文来自：张新钰 １^１１ , 高洪波 ２^２２ , 赵建辉 ３^３３ , 周 沫2^22( １． 清华大学 信息技术中心,北京 １０００８４ ;２． 清华大学 汽车安全与节能国家重点实验室,北京 １０００８４ ;３． 清华大学 计算机科学与技术系,北京 １０００...
2019-11-15 17:31:12
781
原创 无人驾驶入门级名词解释
本文主要是对无人驾驶基础常识进行补充，自己在此方面进行整理归纳，如果有不足之处，希望大家批评指正。名词解释IMU全称inertial measurement unit，俗称惯性传感器，检测加速度与旋转运动的高频（1KHz）传感器...
2019-11-15 16:48:18
899
转载 支持向量机(SVM)
支持向量机(SVM)1 算法简介支持向量机SVM(Support Vector Machine)从线性可分情况下的最优分类面问题发展而来。如下图所示的一个二分类问题，假设图中空心圆点是数据A,×型的点是数据B，我们需要找一条曲线，将A和B成两类:观察可知，图中实线直线是符合要求的曲线之一，这样可以用直线实现的二分类问题，也被称为线性可分的二分类问题。在本问题中，经过实线且垂直于数据点所在平...
2019-11-14 12:40:32
723
转载 向量L0、L1、L2、L∞范数，矩阵F-范数
向量范数L0L_0L0范数∥x∥0\parallel x \parallel _0∥x∥0 向量x中非零元素的个数，L0L_0L0范数用于表达向量的稀疏性由于L0L_0L0优化问题属于NP难问题，因此在实际的使用中通常用L1L_1L1范数代替L1L_1L1范数∥x∥1=∑i=1n∣xi∣\parallel x \parallel _1 = \sum_{i=1}^{n...
2019-11-13 14:16:10
1567
原创 PaddlePaddle 实现手写数字识别
PaddlePaddle 实现手写数字识别在这次实验中我们将使用 PaddlePaddle 来实现三种不同的分类器，用于识别手写数字。三种分类器所基于的模型分别为 Softmax 回归、多层感知器、卷积神经网络。现在让我们进入实验来看看基于不同模型的分类器的差异吧!您将学会实现一个基于Softmax回归的分类器，用于识别手写数字实现一个基于多层感知器的分类器，用于识别手写数字...
2019-11-13 11:19:53
2429
1
原创 PaddlePaddle实现线性回归
PaddlePaddle实现线性回归欢迎大家来到这次实验！在本次实验中我们将使用PaddlePaddle深度学习框架来搭建一个简单的线性回归模型，并利用这一模型来解决一个大家都关心的实际问题————预测你的储蓄（也就是money）（在某地区）可以购买多大面积的房子。并且在学习本次实验课的过程中，我还会带领大家学习到机器学习的若干重要概念，掌握一个机器学习预测案例的基本流程。当然了，有机器学习基础...
2019-11-11 11:50:41
1373
原创 重要数学公式
贝叶斯公式，求在A的条件下，BiB_iBi发生的概率P(Bi∣A)=P(A∣Bi)∗P(Bi)Σj=1nP(A∣Bj)P(Bj)P(B_i|A) = \frac{P(A|B_i) * P(B_i)}{\Sigma_{j=1}^{n}{P(A|B_j)P(B_j)}} P(Bi∣A)=Σj=1nP(A∣Bj)P(Bj)P(A∣Bi)∗P(Bi)其中，可以P(Bi∣A)P(B_...
2019-11-10 20:11:57
340
原创 卷积笔记
常见的视觉任务图像分类目标检测语义分割、实例分割（车道线识别）场景文字识别图像生成 GAN(对抗神经网络)人体关键点检测 姿态识别视频分类度量学习单个神经元线性运算 非线性运算为要什么要用CNN全连接神经网络： 维度灾难内存、计算量巨大，训练困难CNN网络整体结构卷积运算一维卷积运算卷积是两个信号之间的运算卷积运算的本质：卷积核从左向右滑过的信号卷积有三种方式...
2019-11-10 17:32:48
558
原创 线性回归之预测GDP(python版本)
题目要求：在上一节的梯度下降法的试验中，大家已经初步通过使用梯度下降法找出最合适的 θ 值实现线性拟合，现在，利用给出的数据集，同时用你上节课实现的梯度下降法和本次试验中的sklearn模块下的LinearRegression对给出的数据进行线性回归，比较两种方法的效果： 本次实验的数据集为2005年至2015年城镇公交车运营数量（Buses，辆）以及人均国民生产总值(PGDP，元)，大家可以...
2019-11-08 16:14:34
9088
4
原创 线性回归
线性回归1 算法简介首先我们看下表中的一组数据，表中是某个披萨店披萨的直径和价格的信息。如何寻找到面积和价格之间的关系呢？我们首先使用python matplotlib库中的绘图功能直观感受一下披萨的价格与披萨直径之间的关系，横坐标为披萨的直径，纵坐标为披萨的价格：编号直径（英寸）价格（美元）1672893101341417.55...
2019-11-05 16:58:11
730
原创 牛顿法求解方程的根
牛顿法求解方程的根以上解释来自百度百科练习题在函数Newton_3中实现利用牛顿迭代法求解方程f(t)=t3−2=0f(t) = t^3 - 2 = 0f(t)=t3−2=0在t0=1t_0 = 1t0=1附近的根（求导数功能可以自建函数实现）:def Newton_3(c , t): while abs(t * t * t - c) > 1e-6: t ...
2019-11-05 16:50:31
2768
原创 paddlepaddle
正向传播反向传播梯度下降图像问题多用CNN序列问题多用RNN推荐系统多用损失函数 回归问题 均方误差损失函数分类问题 交叉熵损失函数SGD 随机梯度下降MomentumAdamAdagrad学习率归一化的原因：去掉量纲的影响防止溢出加速梯度下降...
2019-11-03 16:50:36
208
原创 利用递归式，确定好的渐进上界，并用代入法进行验证
T(n)=3T(n/4)+θ(n)T(n) = 3T(n/4) + \theta(n)T(n)=3T(n/4)+θ(n)T(n)=T(n−1)+θ(n)T(n) = T(n-1) + \theta(n)T(n)=T(n−1)+θ(n)T(n)=T(n2)+θ(n)T(n) = T(\frac{n}{2}) + \theta(n)T(n)=T(2n)+θ(n)T(n)=T...
2019-11-01 17:07:45
2503
原创 通过搜索进行问题求解
要进行问题求解，首先要讨论的是对问题及其解的精确定义。然后我们介绍一些求解此类问题的通用的搜索算法。首先讨论无信息的（uninformed）搜索算法-----无信息是指除了问题定义本身没有任何其他信息。尽管这些算法可以求解任何问题，但此类算法效率都不好。另一方面，有信息的搜索算法，利用给定的知识引导能够更有效地找到解。贪婪最佳优先搜索贪婪最佳优先搜索（greedy best-first se...
2019-11-01 11:45:50
965
glove.6B.100d.txt
2020-05-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人