学习笔记
文章平均质量分 69
Yetongfff
这个作者很懒,什么都没留下…
展开
-
人工智能学习笔记(一)命题逻辑
定义命题:命题是一个陈述句。它只能取真或假,而不能是两者。命题逻辑连接符: 符号 涵义 ~ 读作“非“,否定符号 ∧ 与, 并且, 合取符号 ∨ 或, 或者, 析取符号 → 蕴涵,隐含, 蕴涵符号 ↔ 充要, 等价, 等值符号合式公式:用连接符将多个原子公式组合以构成比较复杂的逻辑公式。递归定义:- 原子是公式;- 如果G是公式, 则~G也是公式原创 2016-01-07 15:22:43 · 3058 阅读 · 0 评论 -
GBDT 梯度提升决策树
背景知识决策树略boostingboosting提升方法可以表示为多个弱分类器的权重和: 其中的w是权重,Φ是弱分类器(回归器)的集合,其实就是一个加法模型(即基函数的线性组合) boosting的前向分布算法,实际上是一个贪心算法,也就是在每一步求解弱分类器Φ(m)和其参数w(m)的时候不去修改之前已经求好的分类器和参数: 这里β代替w表示权重,图中的b是之前说的Φ,即弱分类器。 根据损原创 2017-05-23 17:09:56 · 789 阅读 · 0 评论 -
卡特兰数介绍及其应用
卡特兰数卡特兰数又称卡塔兰数,英文名Catalan number,是组合数学中一个常出现在各种计数问题中出现的数列。以比利时的数学家欧仁·查理·卡塔兰 (1814–1894)的名字来命名,其前几项为 : 1, 1, 2, 5, 14, 42, 132, 429, 1430, 4862, 16796, 58786…… 其递推式: h(n)=h(0)∗h(n−1)+h(1)∗h(n−2)+...+h(原创 2017-02-12 16:25:10 · 1012 阅读 · 0 评论 -
TOP5%Kaggler:如何在 Kaggle 首战中进入前 10% | 干货
雷锋网(公众号:雷锋网)按:本文作者章凌豪,复旦大学计算机科学专业。有兴趣的同学可以移步他的个人主页:Linghao ZhangIntroductionKaggle 是目前最大的 Data Scientist 聚集地。很多公司会拿出自家的数据并提供奖金,在 Kaggle 上组织数据竞赛。我最近完成了第一次比赛,在 2125 个参赛队伍中排名第 98 位(~ 5%)。因为是第一次转载 2017-05-07 13:32:50 · 3146 阅读 · 0 评论 -
详解LSTM
本文译自 Christopher Olah 的博文Recurrent Neural Networks人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候,你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃,然后用空白的大脑进行思考。我们的思想拥有持久性。传统的神经网络并不能做到这点,看起来也像是一种巨大的弊端转载 2017-05-02 23:06:28 · 702 阅读 · 0 评论 -
令人拍案叫绝的Wasserstein GAN
这篇文章讲的很好!转自知乎:https://zhuanlan.zhihu.com/p/25071913?utm_source=weibo&utm_medium=social在GAN的相关研究如火如荼甚至可以说是泛滥的今天,一篇新鲜出炉的arXiv论文《Wasserstein GAN》却在Reddit的Machine Learning频道火了,连Goodf转载 2017-04-06 11:41:00 · 873 阅读 · 0 评论 -
分布的相似度(距离)计算
作者:知乎用户链接:https://www.zhihu.com/question/39872326/answer/83688277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。1. Kullback-Leibler divergence对于两个分布和,KL散度定义为。可以看出,如果要小,那么大的地方必须要大(否则会很大);而在小的地方转载 2017-04-06 10:19:31 · 14315 阅读 · 0 评论 -
常用模式识别算法小结
http://blog.csdn.net/scyscyao/article/details/5987581这学期选了门模式识别的课。发现最常见的一种情况就是,书上写的老师ppt上写的都看不懂,然后绕了一大圈去自己查资料理解,回头看看发现,Ah-ha,原来本质的原理那么简单,自己一开始只不过被那些看似formidable的细节吓到了。所以在这里把自己所学的一些点记录下来,供备忘,也供转载 2017-04-05 11:17:52 · 3558 阅读 · 0 评论 -
CV Review
颜色特征颜色直方图RGB颜色空间不符合人眼对颜色相似度的主观判断,颜色直方图方法中一般转换至HSV空间。 将灰度值分为n个bins,统计每个bins上的像素数目,再归一化,作为颜色特征向量。Bag of colors与颜色直方图类似,只是用CIE-Lab颜色空间(更符合人眼视觉感知),并且bins由聚类产生,再统计直方图。LUCID(Locally Uniform Comparison Image原创 2017-03-23 22:04:14 · 546 阅读 · 0 评论 -
高斯混合模型GMM(Gaussian Mixture Model)
统计学习的模型有两种,一种是概率模型,一种是非概率模型。 所谓概率模型,是指训练模型的形式是P(Y|X)。输入是X,输出是Y,训练后模型得到的输出不是一个具体的值,而是一系列的概率值(对应于分类问题来说,就是输入X对应于各个不同Y(类)的概率),然后我们选取概率最大的那个类作为判决对象(软分类--soft assignment)。所谓非概率模型,是指训练模型是一个决策函数Y=f(X),输原创 2017-04-07 15:36:58 · 2303 阅读 · 0 评论 -
原码、补码、反码及计算机中负数的表示
原码第一位为符号位,后面的为数字的二进制表示。 eg: 127 和 -127 的 8位原码为 [0111 1111, 1111 1111]反码正数的反码为其原码;负数的反码,符号位不変,后面的取反。 eg: 1的8位原码和反码为 [00000001]原 = [00000001]反 -1的8位反码为 [10000001]原 = [11111110]反补码正数的反码为其原码;原创 2017-05-09 16:40:18 · 630 阅读 · 0 评论