2017年12月_cjf1699

12月 11月 10月 09月 08月

原创【学习笔记】斯坦福大学公开课： cs229 Learning Theory【下】

上回讲到了，当假设空间H是有限集时，当我们的训练数据的数目满足一定要求的时候，使用ERM选出的假设h^的经验误差能够对其泛化误差做一个很好的估计，二者以很大概率非常接近，术语叫做“一致收敛”；而且，h^的泛化误差与理想状况下的假设h*的泛化误差也以大概率接近，我们也得到了对应的一致收敛定理。那么，当H是无限集的时候会怎么样呢？首先介绍VC维的概念。对于一个复杂度的模型，至少需要同等数量级的

2017-12-12 13:25:32 1691

转载 Ubuntu提示卷boot仅剩0字节的硬盘空间，解决办法

以下内容转自：http://blog.csdn.net/hnzcdy/article/details/52381844*****************************************************安装Ubuntu系统之后，当时boot分区是200M，经过系统升级之后，之前的LInux内核依然会存在boot分区中，直接是造成boot分区提示硬盘不足的原因，此时

2017-12-12 10:33:03 806

原创【学习笔记】斯坦福大学公开课：cs229 Part 6 Learning Theory【上】

今天进入到cs229的学习理论部分，这一部分说简单也简单，毕竟在Coursera上学过一遍Ng的课，关于bias/variance tradeoff的相关内容有了一些了解，可是cs229里一上来证明，还是值得好好琢磨琢磨的。那么这节课讲了什么呢？前面学的是算法，无论是线性回归、逻辑回归、广义线性模型、指数分布族，还是朴素贝叶斯、SVM，以及涉及到的梯度下降法、牛顿法、最大似然估计、拉普拉斯平滑

2017-12-08 12:05:03 842

原创【学习笔记】计算听觉场景分析简介

今天看完了一篇年代比较久远的科普性文章《计算听觉场景分析介绍》，虽然很多地方很抽象还是不怎么理解吧，不过不管怎么说对这个研究课题也是有了一点初步的印象，还是应该跑来写下一点总结的。这篇文章介绍了CASA（计算听觉场景分析）的概念，理论依据，声音的归类线索，以及CASA系统所依赖的两种主要结构：数据驱动和图式驱动，将两者做了比较并提出了观点：信息双向互流是未来CASA研究的主要模式。简单说来

2017-12-04 22:18:58 3683 2

原创【学习笔记】HMM统计模型

毕设快要选题目了，为此开始看一些研究生导师研究方向的相关文献，他的论文太高深，于是转而从一些基础类的科普性文章看起。在《计算听觉场景介绍》中遇到了HMM统计模型这个概念，于是上网搜了博客学习了一下。“HMM：隐马尔科夫模型(Hidden Markov Model)是统计模型，它用来描述一个含有隐含未知参数的马尔科夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的

2017-12-02 15:17:34 696

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【学习笔记】斯坦福大学公开课： cs229 Learning Theory【下】

转载 Ubuntu提示卷boot仅剩0字节的硬盘空间，解决办法

原创 【学习笔记】斯坦福大学公开课：cs229 Part 6 Learning Theory【上】

原创 【学习笔记】计算听觉场景分析简介

原创 【学习笔记】HMM统计模型

空空如也

空空如也

原创【学习笔记】斯坦福大学公开课： cs229 Learning Theory【下】

原创【学习笔记】斯坦福大学公开课：cs229 Part 6 Learning Theory【上】

原创【学习笔记】计算听觉场景分析简介

原创【学习笔记】HMM统计模型