deltaququ-CSDN博客

原创 keras导入数据

当数据很多时，考虑到效率和内存的问题，这时应该使用fit_generator(generator,...)来训练。generator参数：要么是python的生成器，要么是keras.utils.Sequence的一个实例，其返回一个tuple，一般是一个inputs，targets的二元tuple。1.使用keras自带函数：flow_from_directory这里首先要创建一个ImageDa...

2018-05-05 17:37:07 5109 1

原创 MRI 深度串联网络代码

1、论文：A Deep Cascade of Convolutional Neural Networks for MR Image Reconstruction 2、github: https://github.com/js3611/Deep-MRI-Reconstruction由于版本问题，代码执行问题非常之多，先备忘如下：按照作者requirements的要求，使用anaconda依次下载

2018-04-09 00:09:39 1123 2

原创 centos7配置anaconda和mysql

centos7配置anaconda和mysqlmysql+系统自带python2.7开始不知道anaconda，就直接装包MySQLdb和mysql。 mysql访问官网：https://dev.mysql.com/downloads/repo/yum/，下载mysql57-community-release-el7-11.noarch.rpm，然后参看quick guide就可以直接装好了。

2017-11-29 21:54:16 1291

原创 thresholded-Landweber

动机在研究MRI重建时，需要处理||Ax−b||2F||Ax-b||_F^2这样的式子，但是A其实是个算子，包括下采样，NUFFT和coil矩阵，总之非常复杂，希望在处理后面约束项的时候不要A在里面，那么怎么处理呢？基本思想来自于SPARSE SIGNAL RESTORATION和Learning the Sparsity Basis in Low-rank plus Sparse Model

2017-05-12 14:33:33 1842

原创配准小问题

配准对于配准坐标系界定，以及配准算法中坐标位移方向经常弄混，特录此篇。问题信号static=[1,2,3,4,5；1,2,3,4,5];moved=[2,3,4,5,6;2,3,4,5,6];将moved向static配准，结果recover=?,位移量是+1还是-1?分析显然直观上，应该将moved沿着行方向右移一个单位即可配准，反映在程序应该这样设定：假设我们定义了一个位移场Bx，By，这时

2017-05-10 13:20:01 463

原创新手级在eclipse上创建makefile工程

eclipse+c+linux下将c文件创建为makefile工程并调试创建1、新建c++工程->空白makefile工程->建立src文件夹->导入相关的所有代码->新建”makefile”文件。 2、一般网上代码若没有makefile就应该有readme，里面会有代码编译指令，按照如下格式编辑进makefile文件： all:t

2016-10-17 19:38:53 4070

原创 SVM解释为什么可以约束min y（wx+b）=1的问题

在<计算机技巧>课程中，考虑到w,b同时放大或者缩小对原来的优化问题没有任何影响，为了化简这个问题，作者引入min1...nyn(wxn+b)=1min_{1...n}y_{n}(wx_{n}+b)=1,这里证明在这个约束下问题其实对原始的优化问题没有影响，即：加上上面约束后没有影响。假设wop,bopw_{op},b_{op}是原始问题的最优解，那么转换的优化问题求出的解一定是wop/

2015-11-29 19:40:42 1565

原创第三章回归线性模型

Linear models for regression概念regression: predict continuous t/t given {xi_{i}} linear: linear functions of adjustable parameters (1)linear funcs of input (2)fixed non-linear funcs

2015-11-20 22:59:41 1730 1

原创 LDA变分法和采样法

目前比较方便的LDA解法是gibbs采样，但是对于改进型LDA，如果分布不再是dirchlet分布，p(z|w)可能就不太好求了（这里z代表隐藏变量，w是观察量），只能用变分法。LDA变分EM算法LDA主要完成两个任务，给定现有文档集合D，要确定超参数α，β\alpha，\beta值；或者给一篇新的文档，能够依据前面的超参数来确定隐藏变量θ，z\theta，z分布。其实后面一个任务可以归到前面中，因

2015-05-21 15:07:37 5267 3

原创 LDA模型改进

这里只是说明模型的概率图，具体实现算法以后研究。文章综述参考Probabilistic topic models （DaviD m. Blei）LDA模型文献参考LDA数学八卦、parameter estimation for text analysis。思路：类似聚类，认为有一个隐藏的主题作为词标签，对词可分类；此外认为文档中词可交换、文档可交换、主题个数固定且不改变。文档每个词的主题题标生成

2015-05-17 16:35:09 7732

原创狄利克雷过程

概率空间参见：http://en.wikipedia.org/wiki/Probability_space 定义：三部分组成（ΩFP）（\Omega F P） 1、样本空间Ω\Omega，所有可能的结果 2、事件集F，每一个事件可能包含0个或多个结果 3、事件到概率的映射P，比如，抛掷一枚均匀硬币，Ω={Head,tail},F={head,tail,neitherheadnor

2015-05-14 22:01:07 4308

原创概率采样3——MCMC

前面的采样方法受限于高维，这里MCMC解决了这个问题。我们知道很多MC都有一个稳态特性，此时一个MC对应于一个概率分布，如果能使这个分布和要采样的分布p(z)一样，那么每次对p(z)的采样就等同于状态的一次转移。如果我们将转移概率分成两个部分：建议转移和判断转移，即先从当前状态和建议转移获得样本，然后通过判定标准判断是否接受样本，这样就可以实现对该MC的每次状态转移采样。如果MC已经达到稳定状态，那

2015-05-04 22:09:24 2217

翻译概率密度采样2

拒绝采样前面提到通过函数转换的方法来对p(z)采样，然而问题是求不定积分和逆这两个过程对于大多数概率密度都是不可行的。因此必须要考虑其他的方法。我们可以这样思考，对于p(z)，如何取样呢？我们把p(z)画在二维平面上，往上均匀撒点，落在p(z)内对应的z就是样本点，否则就丢弃。这就是下面提出的拒绝采样的思路。拒绝采样由于直接撒点，必然会拒绝掉大部分随机点，这是非常低效的，因此我们希望用一个容易采

2015-05-04 19:06:56 3419

原创概率采样方法1——直接转换

[TOP]函数转换假设可以由计算机得到（0,1）均匀分布的随机数z，现在想得到服从任意分布p(y)的随机数y的样本，其中假定y=f(z)。概率密度变量转换时，为了保证概率相等，要求p(z)dz~=p(y)dy，当然概率密度必须是正的，所以有下式：$$p(y)=p(z)|\frac{dz}{dy}|$$ -------（1）如果我们能找到这样一个满足上式的f，就可以直接由z得到y了。这里再假设

2015-05-04 15:06:42 1752

qwy的博客