2017年04月_dukai392

转载显卡驱动

显卡驱动就是用来驱动显卡的程序，它是硬件所对应的软件。驱动程序即添加到操作系统中的一小块代码，其中包含有关硬件设备的信息。有了此信息，计算机就可以与设备进行通信。驱动程序是硬件厂商根据操作系统编写的配置文件，可以说没有驱动程序，计算机中的硬件就无法工作。操作系统不同，硬件的驱动程序也不同，各个硬件厂商为了保证硬件的兼容性及增强硬件的功能会不断地升级驱动程序。

2017-04-28 19:49:24 492

转载电脑显示器vga和dvi

电脑连接显示器的线可以根据接口样式来确定是哪种数据线，显示器数据线主要有三种：1、VGA数据线。如图：2、DVI数据线。如图：3、HDMI数据线，如图：提示：VGA线传输的是模拟信号，DVI传输的是数字信号，HDMI传输的是高清数字信号，HDMI同时还能传输音频信号。

2017-04-28 19:47:11 507

转载驱动精灵

驱动精灵是一款集驱动管理和硬件检测于一体的、专业级的驱动管理和维护工具。驱动精灵为用户提供驱动备份、恢复、安装、删除、在线更新等实用功能。另外除了驱动备份恢复功能外，还提供了Outlook地址簿、邮件和 IE 收藏夹的备份与恢复。并且有多国语言界面供用户选择。利用驱动精灵的驱动程序备份功能，在电脑重装前，将电脑中的最新版本驱动程序通通备份下载，待重装完成时，再试用它的驱动程序还原功能安装

2017-04-28 19:43:19 2136

转载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

2017-04-27 16:10:32 657

转载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

2017-04-27 16:10:08 3397

转载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

2017-04-27 16:09:45 252

转载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，

2017-04-27 16:09:15 1044

转载深度学习算法之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）

2017-04-27 13:39:14 430

转载 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

2017-04-27 13:38:39 614

转载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

2017-04-27 13:38:03 1085

转载 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

2017-04-27 12:24:19 3778

转载 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

2017-04-27 12:12:14 2685

转载 [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

2017-04-27 11:25:39 4852

转载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

2017-04-24 17:04:47 670

转载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

2017-04-21 17:01:35 2967

转载深度学习算法实践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

2017-04-21 16:18:02 749

转载深度学习算法实践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

2017-04-21 16:17:35 1741

转载深度学习算法实践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

2017-04-21 16:16:57 708

转载深度学习算法实践13---去噪自动编码机（Denosing Autoencoder）

截至目前为止，我们所讨论的神经网络技术，感知器模型、BP网络、多层卷积神经网络（CNN），都可以视为前馈神经网络的变形，都会采用信号前向传播，误差反向传播修正连接权值，采用有监督学习方式，解决样本分类问题。在这一篇博文，我们将介绍稍微不同的神经网络架构，即被称为自动编码机（Autoencoder）。与前述我们所讨论的神经网络不同，自动编码器（Autoencoder）属于非监督学习，不需要对

2017-04-21 16:16:34 1971 2

转载深度学习算法实践12---卷积神经网络（CNN）实现

在搞清楚卷积神经网络（CNN）的原理之后，在本篇博文中，我们将讨论基于Theano的算法实现技术。我们还将以MNIST手写数字识别为例，创建卷积神经网络（CNN），训练该网络，使识别误差达到1%以内。我们首先需要读入MNIST手写数字识别的训练样本集，为此我们定义了一个工具类：[python] view plain copy from

2017-04-21 16:16:08 489 1

转载深度学习算法实践11---卷积神经网络（CNN）之卷积操作

卷积神经网络（CNN）主要特性有：稀疏连接和权值共享、卷积操作、池化。在前一篇博文中我们已经讨论了稀疏连接和权值共享，在本篇博文中，我们将介绍卷积操作和池化。正是由于对图像进行卷积操作，卷积神经网络才得以其名，可见卷积操作是其核心。在这篇博文中，我们将讨论卷积操作的实现其及物理含义。首先，我们来了解一下卷积概念。对于一维信号，卷积定义为：式1而我们要处理的图像信号，是二

2017-04-21 16:15:23 610 1

转载深度学习算法实践10---卷积神经网络（CNN）原理

好了，转入正题。我们今天将要研究的是卷积网络（CNN），这是深度学习算法应用最成功的领域之一，主要用于图像和视频识别领域。在讨论卷积网络（CNN）之前，我们先来根据我们的常识，来讨论一下怎样可以提高图像识别的准确率。我们以印刷字母识别为例，假设我们需要网络识别大写字母A，我们给网络的训练样本可能是这样的：但是我们实际需要识别的图片却可能是这样的：根据

2017-04-21 16:14:56 1126 1

转载深度学习算法实践9---用Theano实现多层前馈网络

我们到目前为止，我们讨论了神经网络中应用最广的BP算法，虽然想深入浅出的讲解出来，但是回头来看，还是非常复杂，晦涩难懂。这说明神经网络理论上是非常高深的，想要搞明白，是需要一定的IQ和努力的，这点上无法取巧。但是我们不要被数学的复杂性的蒙蔽，其实多层前馈网络，从原理上来说还是很简单的。在深度学习理论出现之前，神经网络尤其是BP网络，一般都只有三层，既输入层、隐藏层和输出层，可以证明，通过引

2017-04-21 16:14:09 339 1

转载深度学习算法实践8---BP算法详解

BP算法是关于误差的反向传播算法，就是从输出层开始，将结果与预期结果相比较，求出误差，然后按照梯度最大下降方向，调整神经元的联接权值，然后依次逐层调整各层之间的连接权值，对于批量学习方式而言，不断重复上述过程，直到误差达到足够小时为止。对于输出层而言，我们可以直接使用在上一篇博文中关于感知器模型的算法，BP算法的难点在于，如何处理隐藏层，因为隐藏层没有正确的输出信息用来计算误差。下

2017-04-21 16:13:21 509 1

总体上来讲，神经网络的算法是比较复杂的，后面有非常精妙的数学原理，而且对这些数学方法，还需要证明其具有收敛性，所以很多神经网络的书籍，绝大部分都是一些数学模型介绍、推导和证明，对于非数学专业的我们来说，感沉像看天书一样。其实神经网络的精髓是将现实中的问题进行抽象，建立适合神经网络表示的模型，然后应用神经网络进行处理，不断调整优化网络结构和参数，直到最终达到满意的效果。所以成功应用神经网络，不需要太

2017-04-21 16:12:44 482 1

转载深度学习算法实践6---逻辑回归算法应用

在上篇博文中，我们介绍了深度学习算法的实现，并且以MNIST手写数字识别为例，验证了该算法的有效性。但是我们学习逻辑回归算法的目的是解决我们的实际问题，而不是学习算法本身。逻辑回归算法在实际中的应用还是很广泛的，例如在医学领域的疾病预测中，我们就可以列出一系疾病相关因素，然后根据某位患者的具体情况，应用逻辑回归算法，判断该患者是否患有某种疾病。当然，逻辑回归算法还是有局限性的，其比较适合于

2017-04-21 16:12:16 379 1

转载深度学习算法实践5---线性回归算法实现

在学习了基本的Theano的概念之后，我们可以将这些知识用来进行一些简单的应用。在这篇文章中，我们将实现一个简旱的逻辑回归算法。逻辑回归的数学模型还是有些小复杂的，但是其基本概念却是非常简单的，因此，我们在这里只讨论基本概念，而不太涉及复杂的数学理论。我们可以通过一个简单的例子来说明什么是逻辑回归算法，假设在三维空间中，有一组待分类的点，同时有一系平面，代表这些点应该属于的类别，我们将通过

2017-04-21 16:11:38 320 1

转载深度学习算法实践4---Theano常用技巧

在上一篇文章中介绍了神经网感知器模型中用到的一些算法，在这篇文章中，将继续介绍这些常用的算法，首先是随机数的生成，因为感知器模型必须用随机数来初始化连接权值，其次是求导数，因为感知器学习算法是，会用到梯度下降算法，涉及到求导问题。在讨论随机数生成算法之前，我们先来讨论一下共享变量，这很像C语言中的静态变量，假设我们要对网站的内容的热度进行统计分析，我们用hottness来表示热度，用vis

2017-04-21 16:10:47 359 1

转载深度学习算法实践3---神经网络常用操作实现

在神经网络中，最基本的单元为神经元。一个神经元可以视为具有i=1,2,...,n个输入，一个偏移量bias的单元，假设输入信号为x1,x2,...,xn，每个输入信号的权重为w1,w2,...,wn，则这个神经元的总体输入为：而通常我们为了计算方便，我们会额外引入一个输入i=0，并设置其输入权重为w0，在数值上等于偏移量bias，则上面的公式可以简化为：下面

2017-04-21 16:10:19 620 1

转载深度学习算法实践2---线性代数和Numpy的使用

在下载了Theano源码之后，我们同时以开发模式安装了Theano。下面我们来尝试使用Numpy和Theano作一些简单的线性代数运算，熟悉一下这两库的基本使用方法，为下面的神经网络算法学习打好基础。[python] view plain copy # 测试开发环境是否正确，定义二维数组及常数与数组相乘 import numpy

2017-04-21 16:09:44 476 1

转载深度学习算法实践1---开发环境搭建

本文将在Mac环境下，配置深度学习算法的开发环境，我们会采用python3.x作为开发语言，在深度学习框架方面，没有选择最为流行的TensorFlow，而是在研究者中比较流行的Theano。主要是因为TensorFlow虽然很热，但是将基础理论与框架结合的文档较少，Theano作为教学框架，这方面的资料非常丰富，所以以学习和实现为目的的项目，采用Theano会有较大的优势。而我们知道，目前深度学习

2017-04-21 16:09:13 866 1

转载从最大似然到EM算法浅解

从最大似然到EM算法浅解zouxy09@qq.comhttp://blog.csdn.net/zouxy09 机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么EM算法能解决什么问题呢？或者说EM算法是因为什

2017-04-21 16:04:51 213

转载无监督特征学习——Unsupervised feature learning and deep learning

无监督学习近年来很热，先后应用于computer vision, audio classification和 NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervised learning，结合他的视频：unsupervised feature learning by Andr

2017-04-20 21:55:09 325

转载机器学习——深度学习(Deep Learning)

Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN，1. 有监督学习和无监督学习给定一组数据(inpu

2017-04-20 21:54:30 285

转载 Facebook与高通合作优化深度学习框架Caffe2

【环球科技综合报道】据外媒4月18日报道，在刚刚结束的2017 F8开发者大会上，Facebook和高通宣布将合作优化Caffe2和骁龙NPE (神经处理引擎)软件框架。　　资料图　　Caffe是由伯克利人工智能研究实验室开发的深度学习框架，Caffe2是Caffe框架的升级版，将拥有更大的组织计算灵活性。　　此次，Facebook与高通的合作重点将围绕机器学习的几个方面。

2017-04-20 21:53:10 638

转载四位顶级AI大牛纵论：深度学习和大数据结合的红利还能持续多久？

雷锋网(公众号：雷锋网)按：这轮 AI 热潮的很大一个特点就是底层技术方面在打通，虽然说过去对通用人工智能大家曾经有过很高的期望，但一直没有落地。这次，深度学习给大家带来了很多机会，使得我们在底层技术方面有了越来越多的共性。然而深度学习并不是万能的，那么它的局限性在哪里？当遇到天花板时又该如何呢？4月8日，在 ADL 第78期“深度学习：从算法到应用”的 Panel 环节，四位顶级 AI

2017-04-20 21:52:34 1502

转载 Deep Learning（深度学习）学习笔记整理系列之（八）

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

2017-04-20 19:58:48 185

转载 Deep Learning（深度学习）学习笔记整理系列之（七）

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

2017-04-20 19:58:20 248

转载 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

2017-04-20 19:57:51 332

转载 Deep Learning（深度学习）学习笔记整理系列之（五）

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

2017-04-20 19:57:17 232

空空如也

空空如也