- 博客(8)
- 资源 (9)
- 收藏
- 关注
RSS订阅转载 交叉熵损失函数
from：http://blog.csdn.net/u012162613/article/details/44239919 本文是《Neural networks and deep learning》概览 中第三章的一部分，讲machine learning算法中用得很多的交叉熵代价函数。1.从方差代价函数说起代价函数经常用方差代价函数（即采用均方误差MSE），比如对于一个神经元（
2017-09-19 21:20:56
2002
转载 反向传播算法
[toc]from [http://blog.csdn.net/u014313009/article/details/51039334](http://blog.csdn.net/u014313009/article/details/51039334) 反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，AN
2017-09-18 13:40:14
886
原创 机器学习之凸优化
参考资料概述凸集和凸函数凸优化及对偶问题参考资料参考视频:https://lagunita.stanford.edu/courses/Engineering/CVX101/Winter2014/about 貌似bilibili也有： http://www.bilibili.com/video/av8907218/ 但是没有字幕，对于英语差的人来说就麻烦了参考书籍：《Convex Opti
2017-09-12 22:53:29
1514
转载 Maxout网络学习(转)
Maxout网络学习原文地址：http://blog.csdn.net/hjimce/article/details/50414467作者：hjimce一、相关理论 本篇博文主要讲解2013年，ICML上的一篇文献：《Maxout Networks》，这个算法我目前也很少用到，个人感觉最主要的原因应该是这个算法参数个数会成k倍增加(k是maxout的一个参数)，不过没关系，对于我们来说知识积累
2017-09-11 13:44:17
380
原创 机器学习之核函数
参考视频： https://royalsociety.org/science-events-and-lectures/2014/11/milner-lecture/ 英文的http://www.powercam.cc/slide/6552 建议看这个，中文的 http://www.powercam.cc/home.php?user=chli&f=slide&v=&fid=4097 ，这里面会
2017-09-11 13:43:05
33188
4
原创 数学之对偶问题
线性规划的对偶问题常山机器厂生产Ⅰ、Ⅱ两种产品。这两种产品都要分别在A、B、C三种不同设备上加工。按工艺资料规定，生产每件产品Ⅰ需占用各设备分别为2h、4h、0h，生产每件产品Ⅱ需占用各设备分别为2h、0h、5h，已知各设备计划期内用于生产这两种产品的能力分别是12h、16h、15h，又知每生产一件产品Ⅰ企业能获得2元利润，每生产一件产品Ⅱ企业能获得3元利润，问该企业应安排生产两种产品各多少件，使总
2017-09-06 22:02:16
10502
转载 仿射变换
from ：http://blog.csdn.net/carson2005/article/details/7540936仿射变换（Affine Transformation或 Affine Map）是一种二维坐标到二维坐标之间的线性变换，它保持了二维图形的“平直性”（即：直线经过变换之后依然是直线）和“平行性”（即：二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺序不变
2017-09-05 14:00:30
495
原创 机器学习之逻辑回归
线性回归逻辑回归线性回归给定一组数据集={(x1,y1),(x2,y2),(x3,y3)......(xn,yn)}=\{(x_1,y_1),(x_2,y_2),(x_3,y_3)......(x_n,y_n)\},其中y∈Ry\in{R}。我们现在需要找到一个函数来拟合该数据集。函数是线性的时候，可以表示为： f(x)=WTX+bf(x)=W^TX+b 要拟合这样一条直线，我们的损失函数定义
2017-09-04 20:23:56
312
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人