机器学习
莫雪雪的blog
学习使人快乐
展开
-
CNN卷积神经网络
1,CNN卷积神经网络原理模型结构图输入层,卷积层,池化层,输出层(全连接层+Softmax layer)卷积神经网络总有至少一个卷积层,用以提取特征。卷积层级之间的神经元是局部连接和权值共享,这样的设计大大减少了(w,b)的数量,加快了训练。卷积层是怎么工作的?我们可以把蓝色矩阵看作是卷积层的上一层,绿色矩阵看作是卷积层,在蓝色矩阵上蠕动的 便是卷积层。卷积核通过与他所覆盖蓝色矩阵...原创 2020-04-26 11:28:59 · 1704 阅读 · 0 评论 -
卡尔曼滤波器小白入门
假设有一辆汽车在路上行驶,我们用它的位置和速度来表示当前的状态,写成矩阵的形式,u加速度表示对车的一个控制量,观测左上角的两个公式会发现他们的输出变量是输入变量的线性组合,这就是卡尔曼滤波器是最佳的线性滤波器的原因,因为它只能描述状态和状态之间的线性关系,进一步把两个状态变换矩阵提取出来,公式可以简化为右下角所示,是卡尔曼滤波器的第一个公式:状态预测公式,其中F叫做状态转移矩阵,表示如何从上一时...原创 2020-04-18 14:11:05 · 618 阅读 · 0 评论 -
Hessian matrix黑塞矩阵(海森矩阵)和雅克比矩阵Jacobian matrix
对梯度再求导生成的矩阵为黑塞矩阵![在这里插入图片描述](https://img-blog.csdnimg.cn/20200416134624480.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0REV0REWlk=,size_16,co...原创 2020-04-16 14:12:32 · 3332 阅读 · 0 评论 -
机器学习之KNN算法实现原理及Kd-tree的构建
K近邻(K-nearest neighbors,KNN)是一种基本的机器学习算法,所谓K近邻,就是K个最近的邻居的意思,说的是每个样本都可以用它最接近的K个邻居来代表。KNN在做回归和分类额主要区别在于最后做预测的时候的决策方式不同,KNN在分类预测时,一般采用多数表决法;而在做回归预测时,一般采用平均值法。首先输入样本进行分类,然后输入需要判断的物体根据KNN原则将其归类KNN三要素...原创 2020-04-09 14:23:14 · 486 阅读 · 0 评论