- 博客(15)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 增量学习——文章汇总
WorkshopsContinual learning workshop NeurIPS 2018Papers2018 Memory Replay GANs: learning to generate images from new categories without forgetting(NIPS2018) [paper] [code] Rotate your Networks:...
2018-12-27 14:12:01
3331
5
原创 《统计学习方法》—— 6. 逻辑斯特回归与最大熵模型（Python实现）
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。会不定期更新，若有不准确的地方，欢迎留言指正交流本文完整代码 github 地址：https://github.com/anlongstory/awsome-ML-DL-leaning/lihang-reading_notes第六章 逻辑斯特回归与最大熵模型逻辑斯特回归（logistic...
2018-12-26 17:55:34
944
原创 《统计学习方法》—— 5.决策树（Python实现）
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。若有不准确的地方，欢迎留言指正交流本文完整代码见 github ： https://github.com/anlongstory/awsome-ML-DL-leaning/lihang-reading_notes （欢迎 Star
2018-12-25 19:03:48
729
原创 《统计学习方法》—— 4.朴素贝叶斯（Python实现）
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。若有不准确的地方，欢迎留言指正交流本文完整代码见 github ：https://github.com/anlongstory/awsome-ML-DL-leaning/lihang-reading_notes （欢迎 Star
2018-12-25 12:12:59
466
原创 “undefined reference to `TIFFReadRGBAStrip@LIBTIFF_4.0'” 问题解决方法
在安装Caffe 的过程中可能会遇到如下问题：make[1]: *** [examples/CMakeFiles/classification.dir/all] Error 2/usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4.9: undefined reference to `TIFFReadRGBAStrip@LIBTIFF_4.0'/...
2018-12-25 11:47:16
6621
2
原创 《统计学习方法》—— 3.K近邻法（Python实现）
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。若有不准确的地方，欢迎留言指正交流本文完整代码见 github：https://github.com/anlongstory/awsome-ML-DL-leaning/lihang-reading_notes （欢迎 Star
2018-12-23 15:42:22
584
原创 《统计学习方法》—— 2. 感知器（Python实现）
本文 github 地址：https://github.com/anlongstory/awsome-ML-DL-leaning/lihang-reading_notes本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。若有不准确的地方，欢迎留言指正交流感知器感知机(perceptron) 是而二分类的线性分类模型，输入为特征向量，输出...
2018-12-22 19:56:50
540
原创 《统计学习方法》—— 1. 统计学习方法概论（Python实现）
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。会不定期更新，若有不准确的地方，欢迎留言指正交流统计学习统计学习包括： 监督学习，非监督学习，半监督学习与强化学习。 本书内容主要以监督学习为主来进行阐述：统计学习的三要素： 模型 + 策略 + 算法 模型：由输入空间到输出空间的映射的集合，这个集合就是假设空间。(例如一个多层感知器...
2018-12-22 18:07:33
473
原创 《Incremental Classifier Learning with Generative Adversarial Networks》 阅读笔记
原文链接： Incremental Classifier Learning with Generative Adversarial Networks本文主要是解决增量学习中灾难性遗忘的问题，文中指出灾难性遗忘主要是因为过去的数据在训练时得不到。通常的方法是先保留一部分过去类别的样本，然后配合蒸馏正则化来平衡新旧类别之间的关系。但是这些方法主要有四个问题：1）Loss 函数的设计对分类器来说都不...
2018-12-06 13:46:05
1278
3
原创 《Revisiting Distillation and Incremental Classifier Learning》 论文笔记
原文链接：https://arxiv.org/abs/1807.02802本文主要就是对于 iCaRL这篇论文的再研究，设置了一些研究型实验推翻了之前 iCaRL 论文中的一些说法，最终得出结论，iCaRL 之所以行之有效的主要原因是使用了知识蒸馏（Knowledge diatillation）。并对于知识蒸馏存在的分类器偏差（bias in classifiers）问题，提出了动态阈值移动（d...
2018-12-05 19:55:27
736
原创 《iCaRL: Incremental classifier and Representation Learning》 阅读笔记
论文原文链接：https://arxiv.org/abs/1611.077251. 引言自然界的视觉系统天生就是可增量的：新的视觉信息在保留已学习到的知识的情况下不断被学习到。例如，一个小孩子可以去动物园学习到很多新的动物种类，而不会因此忘记他家里的宠物种类。相反，很多人工目标识别系统都只能用想要识别的所有分类一次性训练得到。最起码，一个视觉分类系统应该要具有增量学习新类的能力，也称这种能力...
2018-12-05 15:49:30
4139
原创 《Learning without Forgetting》 论文阅读笔记
文章目录1. 引言2. 相关工作2.1 方法对比2.2 局部相关方法2.3 同时期的方法3. 不遗忘学习原文链接： Learning without Forgetting1. 引言在很多实际的视觉应用中，都需要在保留旧知识的基础上学习新的知识。例如，为了建筑工地安全，已经开发了一个服装安全检测系统，可以检测工作人员是否穿了反光背心或者安全帽，但是项目负责人想系统也可以检测出工作人员是否穿了合...
2018-12-05 00:11:28
6867
原创 《面试算法 LeetCode 刷题班》—— 1. 链表
本文内容是基于小象学院——林沐 《面试算法 LeetCode 刷题班》，后期仍将对相关内容进行不定期更新！1.链表文章目录1.链表LeetCode 206 链表逆序 a （E）LeetCode 92 链表逆序 b（M）LeetCode 141 & 142 链表求环（M） （快慢指针问题）LeetCode 86 链表划分（M）LeetCode 21 排序链表合并（2个）（E）LeetCo...
2018-12-04 19:51:58
3082
1
原创 《Distilling the Knowledge in a Neural Network》 论文阅读笔记
原文链接：https://arxiv.org/abs/1503.02531 第一次接触这篇文章是在做网络结构的时候，对于神经网络加速，知识蒸馏也算是一种方法，当时连同剪纸等都是网络压缩的内容，觉得这些方法涉及数学概念太多，就没有深入了解，直到最近看了几篇增量学习相关的论文，才发现原来知识蒸馏的思想对增量学习也影响那么大，所以再次遇见就决定读一读这篇文章，因为文中做了图像和语音两个方面的实验，这...
2018-12-04 16:11:17
2790
1
原创 浅谈迁移学习，增量学习
文章目录迁移学习迁移学习与 domain adaptation 域适应迁移学习与 finetune 微调增量学习增量学习与迁移学习最近在看一些增量学习的论文，在学习的过程中不免会遇到增量学习与迁移学习的相关概念的联系和区别，下面是个人的一些总结和理解，只是概念理解层面，没有深入到算法层面，若有不当之处还请留言交流指正。在传统分类任务中，为了保证训练得到的分类模型具有准确性和高可靠性，由两个基本...
2018-12-04 12:11:28
9336
4
在windows和ubuntu上面使用caffe
2017-03-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人