科研理论
文章平均质量分 69
dukai392
这个作者很懒,什么都没留下…
展开
-
机器学习中的隐马尔科夫模型(HMM)详解
版权声明:本文为博主原创文章,未经博主允许不得转载。 //blog.csdn.net/baimafujinji/article/details/51285082目录(?)[+]前导性推荐阅读资料:从朴素贝叶斯分类器到贝叶斯网络(上)从朴素贝叶斯分类器到贝叶斯网络(下)欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议...转载 2018-03-13 21:35:27 · 647 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(三)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2017-04-20 19:45:19 · 433 阅读 · 0 评论 -
[深度学习]Wake-Sleep算法
本文翻译自2007-To recognize shapes, first learn to generate images, Geoffrey Hinton.第五种策略的设计思想是使得高层的特征提取器能够和底层的进行通信, 同时可以很容易地使用随机二态神经元的分层网络来实现.这些神经元的激活概率是关于总输入的一个平滑非线性方程: 其中si和sj是神经元i和j转载 2017-04-27 11:25:39 · 4852 阅读 · 0 评论 -
dbn中的wake-sleep算法是如何调优的?
作者:Craigie Hill链接:https://www.zhihu.com/question/29648549/answer/158728039来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。wake-sleep algorithm的fine-tuning算法在Hinton06年的那篇论文最后是有伪码的,Hinton使用的标准的DBN自转载 2017-04-27 12:12:14 · 2685 阅读 · 0 评论 -
wake-sleep算法
深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。简要描述深度神经网络模型。1. 自联想神经网络与深度网络 自联想神经网络是很古老的神经网络模型,简单的说,它就是三层BP网络,只不过它的输出等于输入。很多时候我们并不要求输出精确的转载 2017-04-27 12:24:19 · 3778 阅读 · 0 评论 -
YOLOv2 论文笔记
论文地址:YOLO9000: Better, Faster, Stronger 项目主页:YOLO: Real-Time Object Detection概述时隔一年,YOLO(You Only Look Once: Unified, Real-Time Object Detection)从v1版本进化到了v2版本,作者在darknet主页先行一步放出源代码,论文在我们等候之下转载 2017-04-13 16:10:25 · 2213 阅读 · 0 评论 -
深度学习检测方法梳理
1. R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation技术路线:selective search + CNN + SVMsStep1:候选框提取(selective search)训练:给定一张图片,利用seletive search方法从中提转载 2017-04-27 13:38:03 · 1084 阅读 · 0 评论 -
YOLO: Real-Time Object Detection
homedarknetcoq tacticspublicationsprojectsrésuméYOLO: Real-Time Object DetectionYou only look once (YOLO) is a system for detecting objects on thePascal VOC 2012 dataset. It转载 2017-04-27 13:38:39 · 613 阅读 · 0 评论 -
深度学习算法之YOLOv2
一. 久违的新版本 YOLO 问世已久,不过风头被SSD盖过不少,原作者自然不甘心,YOLO v2 的提出给我们带来了什么呢? 先看一下其在 v1的基础上做了哪些改进,直接引用作者的实验结果了: 条目不少,好多Trick,我们一个一个来看: A)Batch Normalization(批量规范化)转载 2017-04-27 13:39:14 · 430 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(二)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2017-04-20 18:03:10 · 1036 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(一)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08 声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明转载 2017-04-20 17:36:06 · 383 阅读 · 0 评论 -
深度学习算法实践15---堆叠去噪自动编码机(SdA)原理及实现
在上一篇博文中,我们讨论了去噪自动编码机(dA),并讨论了Theano框架实现的细节。在本节中,我们将讨论去噪自动编码机(dA)的主要应用,即组成堆叠自动编码机(SdA),我们将以MNIST手写字母识别为例,用堆叠自动编码机(SdA)来解决这一问题。堆叠自动编码机(SdA)是由一系列去噪自动编码机堆叠而成,每个去噪自动编码机的中间层(即编码层)作为下一层的输入层,这样一层一层堆叠起来,构成转载 2017-04-21 16:17:35 · 1740 阅读 · 0 评论 -
深度学习算法实践16---限制性波尔兹曼机(RBM)原理1
我们目前的讨论的神经网络,虽然学习算法不同,但基本上架构还是相同的,就是都是分层网络,即神经元按层进行组织,层内神经元无连接,层间神经元间有连接。我们在这篇博文中,将讨论一种非常不同的神经网络,这类神经网络是由没层次关系的神经元全连接网络进化而来,采用有别于梯度下降算法进行学习的网络。这类网络首先起源于Holpfield网络,这是一种全联接的网络,神经元之间进行全连接,我们可以给这个网络定义一转载 2017-04-21 16:18:02 · 749 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(六)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2017-04-20 19:57:51 · 332 阅读 · 0 评论 -
百度深度学习实验室
2013年1月19日,百度CEO李彦宏在2012年年会上提出,2013年百度将建立初期专注于Deep Learning(深度学习)的研究院,并命名为Institute of Deep Learning(简称IDL)。百度深度学习研究院(Institute of Deep Learning,IDL)是百度历史上首个正式成立的前瞻性研究机构,致力于成为百度的 “Artificial Intelli转载 2017-04-21 17:01:35 · 2967 阅读 · 0 评论 -
准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC、AUC
下面简单列举几种常用的推荐系统评测指标:1、准确率与召回率(Precision & Recall)准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值,用来评价结果的质量。其中精度是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率;召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率,衡量的是检索系统的查全率。一般来说,Precisio转载 2017-05-24 20:54:11 · 494 阅读 · 0 评论 -
我多年SCI成功投稿经验与大家共享!
对从事生物学、医学与药学专业的研究生而言,能让自己的文章在SCI期刊发表是一种莫大的荣耀。说的世俗一些,一篇SCI论文(哪怕是IF低于1.5分的期刊)会为一名硕士带来不少荣耀。当然了,对博士研究生而言,SCI的IF是关系到其能否顺利毕业的保证。前期在论坛上看到博士毕不了业,对导师以死相逼。究其原因仅仅是因为一纸论文。发表SCI论文真的有那么难吗?1. 论文写作论文写作非一日之功。前转载 2017-05-25 11:43:49 · 21438 阅读 · 0 评论 -
台湾李宏毅教授深度学习
1、深度学习,是一个矩阵计算过程,输入层,隐含层,输出层2、神经元一层层计算3、链接视频转载 2017-04-24 17:04:47 · 670 阅读 · 0 评论 -
部分国外顶级会议论文没有关键词
部分国外顶级会议论文没有关键词,我才发现。举个例子:2016年,CVPR,You Only Look Once:Unified, Real-Time Object Detection,这篇会议论文,没有关键词再举例子:2016年,CVPR,Traffic-Sign Detection and Classification in the Wild,这篇会议论文,没有关键词原创 2017-05-18 09:49:55 · 1918 阅读 · 0 评论 -
看懂论文的机器学习基础知识(一)
虽然南京大学周志华老师的论文已经写得非常浅显易懂了,但是对于只有点概率统计基础的我来说还是有许多地方看不懂,而且概率统计的知识早在几年前学的,现在经常没有用到导致很多概念在见到的时候还是会感觉很模糊,对于阅读论文或者编写代码都有点影响。所以想在此处系统的边学习边分享总结下,让自己以后忘了的时候可以到这篇文章里很快的回忆起来。有错误的地方还请大家指正! 首先从概率密度函数讲起吧,转载 2017-04-27 16:09:15 · 1044 阅读 · 0 评论 -
看懂论文的机器学习基本知识(二)
首先,我们回顾上篇文章中的最大似然估计,假设x为独立同分布的采样,θ为模型参数,f为我们所使用的模型。那么最大似然估计可以表示为: 现在,假设θ的先验分布为g。通过贝叶斯理论,对于θ的后验分布如下式所示: 最大后验分布的目标为:假设有五个袋子,各袋中都有无限量的饼干(樱桃口味或柠檬口味),已知五个袋子中两种口味的比转载 2017-04-27 16:09:45 · 252 阅读 · 0 评论 -
如何理解Gabor滤波器
转载自如何理解Gabor滤波器介绍我们已经知道,傅里叶变换是一种信号处理中的有力工具,可以帮助我们将图像从空域转换到频域,并提取到空域上不易提取的特征。但是经过傅里叶变换后,图像在不同位置的频度特征往往混合在一起,但是Gabor滤波器却可以抽取空间局部频度特征,是一种有效的纹理检测工具。 如何生成一个Gabor滤波器在二维空间中,使用一个三角函数(如正弦函数)与转载 2017-08-03 21:15:26 · 647 阅读 · 0 评论 -
隐马尔可夫模型(HMM)攻略
隐马尔可夫模型 (Hidden Markov Model,HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中,随后在语言识别,自然语言处理以及生物信息等领域体现了很大的价值。平时,经常能接触到涉及 HMM 的相关文章,一直没有仔细研究过,都是蜻蜓点水,因此,想花一点时间梳理下,加深理解,在此特别感谢 52nlp 对 HMM 的详细介绍。 考虑下面交通灯的转载 2017-08-03 21:54:15 · 295 阅读 · 0 评论 -
图像的梯度
可以把图像看成二维离散函数,图像梯度其实就是这个二维离散函数的求导: 图像梯度: G(x,y) = dx i + dy j; dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j); 其中,I是图像像素的值(如:RGB值),(i,j)为像素的坐标。 图像梯度一般也可以用中值差分: dx(i,j) = [I(i+1,j转载 2017-09-04 12:13:01 · 1062 阅读 · 0 评论 -
MATLAB自带的svm实现函数与libsvm差别小议(机器学习)
1 MATLAB自带的svm实现函数仅有的模型是C-SVC(C-support vector classification); 而libsvm工具箱有C-SVC(C-support vector classification),nu-SVC(nu-support vector classification),one-class SVM(distribution estimation),转载 2017-08-28 21:25:10 · 1572 阅读 · 0 评论 -
svm 出现 Y must be a vector or a character array的错误
错误原因:libsvm针对matlab的路径未设置解决办法:1.点击Matlab左上角的file,选择set path2.在弹出的选项框中,选择第二个选项And with Subfolders3.找到你的libsvm文件夹,点确定4.点击save,关闭set path转载 2017-08-28 21:26:17 · 641 阅读 · 0 评论 -
能量最小原理
能量最小原理:一个系统总是要调整自己,使系统的总能量达到最低,使自己处于稳定的平衡状态(宏观世界与微观世界都适用)。转载 2017-09-14 17:12:07 · 3420 阅读 · 0 评论 -
边界链码、归一化链码与一阶差分链码
链码(又称为freeman码)是用曲线起始点的坐标和边界点方向代码来描述曲线或边界的方法,常被用来在图像处理、计算机图形学、模式识别等领域中表示曲线和区域边界。它是一种边界的编码表示法,将图像中像素的绝对位置转换成了相对位置,用边界方向作为编码依据,为简化边界的描述,一般描述的是边界点集。常用的链码按照中心像素点邻接方向个数的不同,分为4连通链码和8连通链码。4连通链码的邻接点有4个,分别在中转载 2017-09-14 20:37:32 · 19480 阅读 · 8 评论 -
错过这篇文章,可能你这辈子不懂什么叫傅里叶变换了(一)
这篇文章的核心思想就是:要让读者在不看任何数学公式的情况下理解傅里叶分析。傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是,傅里叶分析的公式看起来太复杂了,所以很多大一新生上来就懵圈并从此对它深恶痛绝。老实说,这么有意思的东西居然成了大学里的杀手课程,不得不归咎于编教材的人实在是太严肃了。(您把教材写得好玩一点会死吗?会死吗?)所以我一直想转载 2017-09-26 12:18:46 · 588 阅读 · 0 评论 -
Gabor滤波器学习
本文的目的是用C实现生成Gabor模版,并对图像卷积。并简单提一下,Gabor滤波器在纹理特征提取上的应用。一、什么是Gabor函数(以下内容含部分翻译自维基百科) 在图像处理中,Gabor函数是一个用于边缘提取的线性滤波器。Gabor滤波器的频率和方向表达同人类视觉系统类似。研究发现,Gabor滤波器十分适合纹理表达和分离。在空间域中,一个二维Gabor滤波器是一个由正弦平面波调制的高转载 2017-08-03 21:04:07 · 454 阅读 · 0 评论 -
时间复杂度和空间复杂度详解
没有挤公交来上班过,就不知道生活的压力有多大。算法的时间复杂度和空间复杂度合称为算法的复杂度。1.时间复杂度(1)时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数转载 2017-08-03 20:02:07 · 174 阅读 · 0 评论 -
看懂论文的机器学习基本知识(四)--bootstrap
在读TLD的那篇论文中,对半监督算法有了一定的了解后,能把第4部分开头对P-N学习的推导看懂一点,但是在紧接着的第二部分中有Relation to supervised bootstrap这章,经常会出现bootstrap,但是没有学过模式识别,对这个概念很模糊,所以就查了下,但资料很少,最后结合《Machine Learing A Probabilistic Perspective》的6.2节转载 2017-04-27 16:10:32 · 655 阅读 · 0 评论 -
看懂论文的机器学习基本知识(三)--假正例、假负例、ROC曲线
一、假正例和假负例假正例(False Positive):预测为1,实际为0的样本假负例(False Negative):预测为0,实际为1的样本实际预测中,那些真正例(True Positive)和真负例(True Negative)都不会造成损失(cost)。那么,我们假设一个假正例的损失是LFP,一个假负例的损失是LFN。我们可以得到一个损转载 2017-04-27 16:10:08 · 3391 阅读 · 0 评论 -
如何根据相机的参数知道摄像机的内参数矩阵
摄像机的透视投影模型(即针孔成像模型): 设OXYZ为世界坐标系,uv为以像素为单位的图像坐标系。如果物点P在世界坐标系下的坐标为(X,Y,Z),对应的图像点p在图像坐标系的坐标为(u,v),可以有: 在该式中,fu、fv、u0、v0只与摄像机内部参数有关,故称矩阵M1为内参数矩阵。 其中fu = f/dX ,fv转载 2017-06-28 20:13:46 · 3155 阅读 · 0 评论 -
透视几何与摄像机模型
前言:计算机视觉是让计算机理解图像与视频,本系列博客的目的在于加深自己在学习计算机视觉过程中对相关知识理解与回顾。其中很多内容参照:教材《ComputerVision: Algorithms and Applications》,工具书《LearningOpenCV》,国外大学的课程《Computer Vision》和课程《ComputerVision》。在摄像机模型中,最基转载 2017-06-28 20:22:30 · 656 阅读 · 0 评论 -
计算机视觉-相机内参数和外参数
1、相机内参数是与相机自身特性相关的参数,比如相机的焦距、像素大小等;相机外参数是在世界坐标系中的参数,比如相机的位置、旋转方向等。相机标定(或摄像机标定):一句话就是世界坐标到像素坐标的映射,当然这个世界坐标是我们人为去定义的,标定就是已知标定控制点的世界坐标和像素坐标我们去解算这个映射关系,一旦这个关系解算出来了我们就可以由点的像素坐标去反推它的世界坐标,当然有了这个世界坐转载 2017-06-30 09:25:04 · 445 阅读 · 0 评论 -
机器视觉学习笔记(4)——单目摄像机标定参数说明
1.针孔摄像机模型在介绍摄像机标定参数之前,需要先简单说一下针孔摄像机的原理。投影平面到小孔的距离为焦距f,物体到小孔的距离为Z,其中物体和投影是倒立相似的关系,下图为针孔摄像机的投影示意图:如果按照实际的投影关系建立坐标系,那么投影坐标和物体坐标的符号总是相反的,考虑起来不太方便,于是在“数学上”把投影平面平移到其关于小孔对称的位置,这样投影坐标和物体坐标符号转载 2017-06-30 09:34:51 · 859 阅读 · 0 评论 -
机器视觉学习笔记(5)——基于OpenCV的单目摄像机标定
1.单目摄像机标定目的单目摄像机标定的目的就是使摄像机实际状态无限接近理论推导的理想状态。单目摄像机标定最终将确定9个参数,摄像机内参数有4个,透镜畸变参数5个。2.单目摄像机标定流程制作标定板使用摄像机拍摄不同角度的标定板将照片放置于预设的文件夹中编写程序计算摄像机内参数和透镜畸变参数保存9个参数3.关键源代码说明3.1bool findChessboar转载 2017-06-30 09:35:36 · 689 阅读 · 0 评论 -
算法的时间复杂度和空间复杂度-总结
通常,对于一个给定的算法,我们要做 两项分析。第一是从数学上证明算法的正确性,这一步主要用到形式化证明的方法及相关推理模式,如循环不变式、数学归纳法等。而在证明算法是正确的基础上,第二部就是分析算法的时间复杂度。算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级,在很大程度上能很好反映出算法的优劣与否。因此,作为程序员,掌握基本的算法时间复杂度分析方法是很有必要的。 算法转载 2017-08-03 19:36:03 · 237 阅读 · 0 评论 -
深度学习算法实践14---去噪自动编码机(dA)的Theano实现
在明白了去噪自动编码机(dA)的理论之后,在本篇博文中,我们将讨论用Theano来实现一个去噪自动编码机。通过上篇博文的讨论,我们知道去噪自动编码机(dA)工作主要有四步组成:第一步是向原始输入信号中加入随机噪音(使原始信号在某些维度上值为零);第二步是将加入噪音的信号输入网络,经过编码器部分,在中间层生成输入信号的压缩信号;第三步是经过解码器层,在输出层得到输出信号;第四步将输出信号与原转载 2017-04-21 16:16:57 · 708 阅读 · 0 评论