![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 92
ffiirree
学生
展开
-
VAE——变分自编码器的数学推导
问题考虑一个生成模型(Generative model),可以从一个隐变量(latent variable, z)映射到一张图片(x),用有向无环图模型(directed acyclic graphical model / Bayesian network)表示为上图表示,x的分布可以通过首先从p(z)采样得到z后再从p(x|z)采样建模。p(z) 是先验概率,意味着只需要选择一个合适的分布就可以了,一般采用单位高斯分布(unit Gaussian distribution),因为高斯分布的熵最大原创 2021-03-25 10:08:21 · 720 阅读 · 0 评论 -
感知器和神经网络训练(公式推导及C++实现)
感知器感知器是一个二元线性分类器,其目标是找到一个超平面将训练样本进行分隔(分类),其表示为 一般使用的激活函数不是阶跃函数,常用的有sigmoid函数(其导数: σ′=σ(1−σ)\sigma' = \sigma(1-\sigma)) 在1个样本的训练集上代价函数(最小均方误差)通常为 C=12|a−y|2C = \frac{1}{2} |a - y|^2 训练过程中步长(学习速率原创 2017-12-04 00:11:38 · 1592 阅读 · 0 评论 -
使用CuDNN进行卷积运算
CuDNNNVIDIA ® cuDNN is a GPU-accelerated library of primitives for deep neural networks. It provides highly tuned implementations of routines arising frequently in DNN applications:Convolution fo...原创 2018-03-26 16:12:50 · 16390 阅读 · 7 评论 -
机器学习 - 支持向量机(SVM)
时并不会改变超平面,但是函数间隔的值会通样进行缩放。为了避免对求解的影响,接下来引入几何间隔。如图所示,也就是图中两条虚线之间的间隔最大,划分超平面处于间隔的中间。函数间隔可以表示分类是否正确且可以衡量分类的正确程度,但是,当我们同时缩放。——支持向量机,是一种分类器,属于监督学习的范畴。无法通过优化算法进行求解,所以需要去掉该项,转化为。,找到一个划分超平面,将不同类别样本分开。,这也就是SVM的名字来源。显而易见的是,当分类正确时,时,几何间隔和函数间隔相等。),则其到超平面的垂点B为。原创 2018-03-28 17:40:22 · 348 阅读 · 1 评论