hjh1705072347的博客

-----相关名词介绍：CNN：Convolutional Neural NetworksFC:Fully ConnectedIoU:intersection over Union(LoU的定义:Region Proposal 与 GROUnd TRUth的窗口的交集和并集的比值，如果IoU低于0.5，那么相当于目标还是没有被检测到)ICCV：International Confe

---------Support Vector Machines（SVM） ：支持向量机，large margin classifier大间距分类器 --------怎么从逻辑回归一点点修改成SVM：分别当y=0和1的时候画出cost曲线，然后用直线逼近。-------cost function的1/m只是习惯，它是常数不影响Theta的优化。-------SVM的hypothes

对于多类别的分类cost function：----对于前向传播算法：----对于Backpropagation Algorithm：为了计算代价函数的偏导数，我们采用反向传播算法，也就是首先计算最后一层的误差，然后一层一层的反向求出各层的误差。Z：未进入activation的输出，  δ：表示误差，图中 δ（4）表示下一层的误差， δ（3）表示上一层的误差

----kaiming he的个人主页，准备ppt用：http://www.kaiminghe.com/----ILSVRC 2015:IMAGENET Large Scale Visual Recognition Challenge 2015 ----the notorious problem of vanishing /exploding gradients has been

相关名词:trace—norm constraint: sparse matrix:就是含零项的矩数越多，越稀疏阵，零的个数越多，越稀疏mixed integer programming :混合整数规划nonparametric Bayesian approach:???task clusters:??the difference between cluster and gou

迁移学习的目标>将从一个环境中学到的知识用来帮助新环境中的学习任务,因此迁移学习不像传统机器学习那样作同分布假设三个部分的工作 同构空间下基于实例的知识迁移能力(具有更强的知识迁移能力) 同构空间下基于特征的迁移学习(具有更广泛的知识迁移能力) 异构空间下的迁移学习(广泛的学习和扩展能力) 同构空间下基于实例的迁移学习 只能发生在源数据和辅助数据非常相近的情况下,从辅助训练

简述:自我学习和半监督学习一样，当前手头上只有少量训练样本，但是周围手头上还有大量无标注样本。举一个经典的例子，分离大象和犀牛。对于监督学习来说，我们手头有大量大象的样本和犀牛的样本，接下来训练分类器，进行分类，大家都知道的。对于迁移学习，则是指我们手头上有大量羊的样本和马的样本（已标记），少量的大象和犀牛的样本，接下来就要从羊和马的样本中选出有效的样本分别加入到大象和犀牛的标记样本中，然后再用监督

1.分组算法(Learning with whom to share in multi-task feature learning) Let q gt ∈ {0,1}be a binary variable indicating whether the t-th task is assigned to the group g. Let Q be the group assignment mat

以图找图1. 介绍基于内容的图片检索（Content Based Image Retrieval, CBIR），也有人称之为以图搜图，是一个很老的研究领域，它是利用机器学习、模式识别、计算机视觉等相关技术对图片的内容进行分析、检测、检索的一种应用。2.原理如下图,原理是用从需要查询的图片提取出一组特征来和数据库的特征进行相似度匹配,以此来定位检索和显示寻找到的图片. 3.