2016年03月_GarfieldEr007

转载机器学习经典书籍小结

机器学习经典书籍小结转载本博客请注明链接：http://blog.csdn.net/xinzhangyanxiang/article/details/9069045博客第一篇文章[1]是转载的，也算是开始写博客不经意的表露了自己对机器学习的兴趣吧！那篇文章总结了机器学习的一些经典算法的论文与数学基础理论的一些书籍，对于开始学习机器学习的话恐怕太过深入，正好最近在买书，看了很多经典书

2016-03-31 17:47:23 1362

转载基于Map-Reduce的相似度计算

基于Map-Reduce的相似度计算转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9288589不久前（6.29），参加了ChinaHadoop的夏季沙龙，听了人人的大牛讲了基于Map-Reduce的相似度计算的优化，感觉对Map-Reduce编程模型的理解又进一步加深了，在这里把该算法总结成博文，以期能够更

2016-03-31 17:46:19 3046

转载微博背后的那些算法

微博背后的那些算法引言微博是一个很多人都在用的社交应用。天天刷微博的人每天都会进行着这样几个操作：原创、转发、回复、阅读、关注、@等。其中，前四个是针对短博文，最后的关注和@则针对的是用户之间的关系，关注某个人就意味着你成为他的粉丝，而他成为你的好友；@某个人意味着你想要他看到你的微博信息。微博被人们认为是“自媒体”，即普通大众分享与本身相关的“新闻”的途径。最近，有些人使

2016-03-31 13:04:17 1084

转载 DeepID算法实践

DeepID实践转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/45570221好久没有写博客了，I have failed my blog. 目前人脸验证算法可以说是DeepID最强，本文使用theano对DeepID进行实现。关于deepid的介绍，可以参见我这一片博文 DeepID之三代。当然DeepID最强

2016-03-31 13:03:17 1341

转载局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3

转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9113681最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果，希

2016-03-31 13:02:41 1202

转载线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2

转载请注明链接：http://blog.csdn.net/xinzhangyanxiang/article/details/9101621最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果

2016-03-31 13:01:41 1566 1

转载牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4

转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9207047最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果，希

2016-03-31 13:00:14 1196

转载生成学习、高斯判别、朴素贝叶斯—斯坦福ML公开课笔记5

转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9285001该系列笔记1-5pdf下载请猛击这里。本篇博客为斯坦福ML公开课第五个视频的笔记，主要内容包括生成学习算法（generate learning algorithm）、高斯判别分析（Gaussian DiscriminantAnalysis，GDA）、朴素贝叶

2016-03-31 12:59:12 1069

转载 DeepID人脸识别算法之三代

DeepID人脸识别算法之三代转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/42091205DeepID，目前最强人脸识别算法，已经三代。如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行强突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸

2016-03-31 12:58:13 1983

转载隐马尔科夫模型（HMM)及其扩展

转载请注明地址（http://blog.csdn.net/xinzhangyanxiang/article/details/8522078）学习概率的时候，大家一定都学过马尔科夫模型吧，当时就觉得很有意思，后来看了数学之美之隐马模型在自然语言处理中的应用后，看到隐马尔科夫模型竟然能有这么多的应用，并且取得了很好的成果，更觉的不可思议，特地深入学习了一下，这里总结出来。马尔科夫过程

2016-03-31 12:57:18 1396

转载卷积神经网络Convolutional Neural Network (CNN)

卷积神经网络转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/41596663自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人

2016-03-31 12:56:19 10230

转载基于深度学习的图像分类Image classification with deep learning常用模型

本文中，我会根据下大家image classification常用的cnn模型，针对cifar10（for 物体识别），mnist（for 字符识别）& ImageNet（for 物体识别）做一个model 总结。本文不讲coding（coding请见Convolution Neural Network (CNN) 原理与实现篇）本文不涉及公司内部资料，纯公开资料汇总

2016-03-31 12:52:17 11661

转载卷积神经网络Convolution Neural Network (CNN) 原理与实现

本文结合Deep learning的一个应用，Convolution Neural Network 进行一些基本应用，参考Lecun的Document 0.1进行部分拓展，与结果展示（in python）。分为以下几部分：1. Convolution（卷积）2. Pooling（降采样过程）3. CNN结构4. 跑实验下面分别介绍。

2016-03-31 12:49:01 2717 1

自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处

2016-03-31 12:44:59 1836

转载在普林斯顿大学做助理教授的日子--施一公教授

- 与国内年轻PI共勉　　　【序：对每一位刚刚在清华大学生命科学学院或医学院建立独立实验室的年轻PI（Principal Investigator），我都会不止一次地忠告：至少要在前三年，你们一定要把自己当成超级博士后，身先士卒、尽全力地在实验室做研究、做自己的课题，同时训练培养博士生、实验员和博士后。只要能够重复你们博士生和博士后阶段的辉煌，你们就不愁在清华拿不到tenure！】

2016-03-31 12:31:20 1510

原创 LabelMe图像数据集下载

Download MATLAB Toolbox for the LabelMe Image Database利用Matlab Toolbox工具箱下载图像库一、下载Matlab Toolbox工具箱1. Github repositoryWe maintain the latest version of the toolbox on github. To

2016-03-31 12:31:20 5311

转载卷积神经网络和CIFAR-10：Yann LeCun专访 Convolutional Nets and CIFAR-10: An Interview with Yann LeCun

Recently Kaggle hosted a competition on the CIFAR-10 dataset. The CIFAR-10 dataset consists of 60k 32x32 colour images in 10 classes. This dataset was collected by AlexKrizhevsky, Vinod Nair, and

2016-03-31 12:31:05 1744

转载学生如何提高专业英文阅读能力--施一公教授

【序：此文针对本科生和一、二年级的博士、硕士生，对高年级的博士生和博士后也应该有参考价值。该文的一些背景可以参考我此前关于提高英文写作能力的博文：http://www.sciencenet.cn/m/user_content.aspx?id=349932】从小到大，我感性思维多一些，不善于读书。85至89年在清华生物系读本科期间，从未读过任何一种英文专业期刊。我受到的与英文阅读

2016-03-31 12:30:50 1519

转载如何做一名优秀的博士生--施一公教授

【序：我从获得博士学位至今已经整整16个春秋，但博士阶段的感受仍然历历在目。我从指导自己独立实验室的第一个博士生到现在也已经13年了，其中的博士研究生和博士后中已经有11人在美国和中国的大学里担任独立实验室的PI。他们的成长过程差别极大，性格、能力也各有不同。应该说，没有任何一个学生可以简单地遵循另外一个优秀科学家的足迹脱颖而出。从这个意义上讲，科学家的成功是不可能复制的。但是，优秀科学家常常具

2016-03-31 12:30:34 1639

转载写好英语科技论文的诀窍：主动迎合读者期望，预先回答专家可能质疑--周耀旗教授

写好英语科技论文的诀窍：主动迎合读者期望，预先回答专家可能质疑周耀旗印地安那大学信息学院印地安那大学医学院计算生物学和生物信息中心以此文献给母校中国科技大学五十周年校庆前言我的第一篇英语科技论文写作是把在科大的学士毕业论文翻译成英文。当我一九九零年从纽约州立大学博士毕业时，发表了20多篇英语论文。但是，我对怎样写高质量科技论文的

2016-03-31 12:30:31 3514

转载如何提高英文的科研写作能力--施一公教授

作为一个科研工作者，在国际学术期刊上发表科研论文是与同行交流、取得国际影响的必经之路。有些国内的科学家，实验做得很漂亮，但常常苦恼于论文的写作力不从心，成为国际交流的一大障碍。本文从博主的亲身体验出发，给博士生、博士后、以及年轻的PI提供一个借鉴。文章最后做简短总结。我大学时的同班同学都知道，那时我的英语不算好（英语四级考试仅为“良”），写作尤其糟糕。初到美国之时，对英文环境适应

2016-03-30 19:40:23 1601

转载致联系报考我免试研究生的同学们－山世光研究员－中科院计算所

致联系报考我免试研究生的同学们山世光2012年8月23日（修订）各位同学好：首先，很高兴与你相识。每年具有免试推荐研究生资格的同学都很多，你联系了我，无论出于何种原因，都说明我们有了一份成为师生缘分的可能。但无奈的是，我通常每年都只能招收2名研究生（或直博生），而联系我的同学每年都超过40人（当然并非这些同学最终都会报我），所以，“选择”

2016-03-30 19:38:52 8564

转载我们不应歧视任何编程语言，她们都是萌娘！（有图有真相）

是的，现在把语言都萌娘化了，希望大家都喜欢她们。.1、Java　　犹如宫泽贤治的《不畏风雨》中出现的、性格木讷的女孩子。从小就由于迟钝和大食量等特徵被别人当作笨蛋；从小学入学开始就进入田径部、坚持跑步，在中长跑中经常取得好成绩。给人活泼的印象，是十分努力的女孩子。　　她的家境并不算好。父亲 Sun 是有才能的艺术家，但不擅长理财；在他 14 岁的时候因为苦于债务积劳成疾而去

2016-03-30 19:36:27 5138 2

转载机器学习&数据挖掘笔记_14（GMM-HMM语音识别简单理解）

为了对GMM-HMM在语音识别上的应用有个宏观认识，花了些时间读了下HTK（用htk完成简单的孤立词识别）的部分源码，对该算法总算有了点大概认识，达到了预期我想要的。不得不说，网络上关于语音识别的通俗易懂教程太少，都是各种公式满天飞，很少有说具体细节的，当然了，那需要有实战经验才行。下面总结以下几点，对其有个宏观印象即可（以孤立词识别为例）。　　一、每个单词的读音都对应一个HMM模型，大家

2016-03-30 19:34:54 3066

转载机器学习&数据挖掘笔记_16（常见面试之机器学习算法思想简单梳理）

前言：　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。　　纵观IT行业的招聘岗位，机器学习之类的岗位还是挺

2016-03-30 19:33:41 1137

转载机器学习、深度学习、数据挖掘各种资源整理

Deep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。deeplearning.net主页，里面包含

2016-03-30 19:32:08 5516 2

转载稀疏表示介绍(中)、(下)

声明之前虽然听过压缩感知和稀疏表示，实际上昨天才正式着手开始了解，纯属新手，如有错误，敬请指出，共同进步。主要学习资料是 Coursera 上 Duke 大学的公开课——Image and video processing, by Pro.Guillermo Sapiro 第 9 课。由于对图像处理的了解也来自与该课程，没正经儿看过几本图像方面的书籍，有些术语只能用

2016-03-30 12:39:49 1718

转载卷积神经网络CNN 手写数字识别

1. 知识点准备在了解 CNN 网络神经之前有两个概念要理解，第一是二维图像上卷积的概念，第二是 pooling 的概念。a. 卷积关于卷积的概念和细节可以参考这里,卷积运算有两个非常重要特性，以下面这个一维的卷积为例子：第一个特性是稀疏连接。可以看到， layer m 上的每一个节点都只与 layer m-1 对应区域的三个节点相连接。这个局部范围也叫感受野。第二个特性是相同

2016-03-30 12:38:40 2108

转载 MLP 之手写数字识别

0. 前言前面我们利用 LR 模型实现了手写数字识别，但是效果并不好（不到 93% 的正确率)。 LR 模型从本质上来说还只是一个线性的分类器，只不过在线性变化之后加入了非线性单调递增 sigmoid 函数进行一一映射。实际上，这里的非线性变换对于我们分类来说是几乎没有什么作用的（在分类上，它等价于线性变换之后挑选出输出值最大的节点作为我们的预测结果），于是我们考虑用更复杂一点的带有一个隐层的

2016-03-30 12:38:34 3275

转载支持向量机SVM 简要推导过程

SVM 是一块很大的内容，网上有写得非常精彩的博客。这篇博客目的不是详细阐述每一个理论和细节，而在于在不丢失重要推导步骤的条件下从宏观上把握 SVM 的思路。 1. 问题由来SVM (支持向量机) 的主要思想是找到几何间隔最大的超平面对数据进行正确划分，与一般的线性分类器相比，这样的超平面理论上对未知的新实例具有更好的分类能力。公式表示如下： : 所有点中最小的几何间隔

2016-03-30 12:38:17 3663 1

转载 Scala 中的函数式编程基础

主要来自 Scala 语言发明人 Martin Odersky 教授的 Coursera 课程《Functional Programming Principles in Scala》。------------------------------部分一---------------------------------------很久以前写过一个非常简单的

2016-03-30 12:38:03 1600

转载 23种设计模式

目录创建型1. Factory Method（工厂方法）2. Abstract Factory（抽象工厂）3. Builder（建造者）4. Prototype（原型）5. Singleton（单例）结构型6. Adapter Class/Object（适配器）7. Bridge（桥接）8. Composite（组合）9. Decorator（装饰）

2016-03-30 12:37:39 932

转载机器学习中导数最优化方法(基础篇)

1. 前言熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简单，coding 方便，是训练模型的必备利器之一。这篇博客主要总结一下使用导数的最优化方法的几个基本方法，梳理梳理相关的数学知识，本人也是一边写一边学，如有问题，欢迎指正，共同学习，一起进步。 2. 几个数学概念1) 梯度（一阶导数）

2016-03-30 12:37:26 2004

转载稀疏表示介绍(上)

声明之前虽然听过压缩感知和稀疏表示，实际上昨天才正式着手开始了解，纯属新手，如有错误，敬请指出，共同进步。主要学习资料是 Coursera 上 Duke 大学的公开课——Image and video processing, by Pro.Guillermo Sapiro 第 9 课。由于对图像处理的了解也来自与该课程，没正经儿看过几本图像方面的书籍，有些术语只能

2016-03-30 12:37:25 2281

转载漫谈：机器学习中距离和相似性度量方法

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则：1) d(x,x) = 0 // 到自己的

2016-03-30 12:37:22 1183

转载逻辑回归Logistic Regression 之基础知识准备

0. 前言这学期 Pattern Recognition 课程的 project 之一是手写数字识别，之二是做一个网站验证码的识别(鸭梨不小哇）。面包要一口一口吃，先尝试把模式识别的经典问题——手写数字识别做出来吧。这系列博客参考deep learning tutorial ，记录下用以下三种方法的实现过程:Logistic Regression - using Theano

2016-03-30 12:36:32 5276

转载从随机过程到马尔科夫链蒙特卡洛方法

1. Introduction第一次接触到 Markov Chain Monte Carlo (MCMC) 是在 theano 的 deep learning tutorial 里面讲解到的 RBM 用到了 Gibbs sampling，当时因为要赶着做项目，虽然一头雾水，但是也没没有时间仔细看。趁目前比较清闲，把 machine learning 里面的 sampling methods 理

2016-03-30 12:36:31 4601

转载脉络清晰的BP神经网络讲解，赞

学习是神经网络一种最重要也最令人注目的特点。在神经网络的发展进程中，学习算法的研究有着十分重要的地位。目前，人们所提出的神经网络模型都是和学习算法相应的。所以，有时人们并不去祈求对模型和算法进行严格的定义或区分。有的模型可以有多种算法．而有的算法可能可用于多种模型。不过，有时人们也称算法为模型。自从40年代Hebb提出的学习规则以来，人们相继提出了各种各样的学习算法。其中以在1986年

2016-03-30 12:36:30 3231

转载反向传播BP 算法之一种直观的解释

0. 前言之前上模式识别课程的时候，老师也讲过 MLP 的 BP 算法，但是 ppt 过得太快，只有一个大概印象。后来课下自己也尝试看了一下 stanford deep learning 的 wiki，还是感觉似懂非懂，不能形成一个直观的思路。趁着这个机会，我再次 revisit 一下。本文旨在说明对 BP 算法的直观印象，以便迅速写出代码，具体偏理论的链式法则可以参考我的下一

2016-03-30 12:36:28 4707 1

转载斯坦福公开课深度学习Deep Learning

Deep LearningSamy Bengio, Tom Dean and Andrew NgCOURSE DESCRIPTIONIn this course, you'll learn about some of the most widely used and successful machine learning techniques. You'

2016-03-30 12:36:27 8461

搜索引擎以及网上免费学术资源的检索

空空如也