- 博客(11)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 TP-Link笔试编程题
一个大型的项目组成通常是由多个模块共同构成的。在项目编译阶段各个模块之间可能存在着依赖关系，现有一个二维数组depend[num][num+1]分别记录了模块0-（num-1）的依赖项，数组每一行的首个元素为该模块的依赖数量n。接下来的n个元素为所依赖模块的ID。例如，depend[0]={3,2,3,4}表示模块0依赖3个其他模块，分别是模块2,3,4。试设计算法输出编译系统所有可能的编译顺序到
2017-10-31 14:20:45
5567
原创 统计语言模型
语言模型就是用来计算一个句子的概率的模型，即P(W1,W2,...Wk)。利用语言模型，可以确定哪个词序列的可能性更大，或者给定若干个词，可以预测下一个最可能出现的词语。 举个音字转换的例子来说，输入拼音串为nixianzaiganshenme，对应的输出可以有多种形式，如你现在干什么、你西安再赶什么、等等，那么到底哪个才是正确的转换结果呢，利用语言模型，我们知道前者的概率大于后者，因...
2017-10-03 16:13:52
439
原创 HMM（隐马尔可夫模型）
隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。 可见状态链隐含状态链 举一个例子一个东京的朋友每天根据天气{下雨，天晴}决定当天的活动{公园散步,购物,清理房间}中的一种，我每天只能在twitter上看到她发的推“啊，我前天公园散步、昨天购物、今天清理房间了！”，那么我可以根据她发的推特推断东京...
2017-10-03 16:12:31
460
原创 GRU入门
RNN反向求导会出现梯度弥散，导致我们很难训练网络，对于长时刻记忆总不尽人意，于是就诞生了LSTM。门控循环单元（GRU）本质上就是一个没有输出门的LSTM，因此它在每个时间步都会将记忆单元中的所有内容写入整体网络。RNN网络考虑到了具有时间数列的样本数据，但是RNN仍存在着一些问题，比如随着时间的推移，RNN单元就失去了对很久之前信息的保存和处理的能力，而
2017-10-03 16:10:19
665
原创 LSTM特点
CNN vs RNNRNN回归型网络，用于序列数据，并且有了一定的记忆效应，辅之以lstm。CNN应该侧重空间映射，图像数据尤为贴合此场景。RNN理论的和经验的证据表明很难学习并长期保存信息。为了解决这个问题，一个增大网络存储的想法随之产生。采用了特殊隐式单元的LSTM（long short-termmemory networks）被首先提出，其自然行为便是长期
2017-10-03 16:08:49
4004
原创 LSTM入门
例如，假设你希望对电影中的每个时间点的时间类型进行分类。传统的神经网络应该很难来处理这个问题——使用电影中先前的事件推断后续的事件。RNN 解决了这个问题。RNN 是包含循环的网络，允许信息的持久化。RNN 包含循环RNN 可以被看做是同一神经网络的多次赋值，每个神经网络模块会把消息传递给下一个。所以，如果我们将这个循环展开：展开的 RNN
2017-10-03 16:01:45
731
原创 RNN介绍
RNN介绍RNNs的目的是用来处理序列数据。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能无力。例如，你要预测句子的下一个单词是什么，一般需要用到前面的单词，因为一个句子中前后单词并不是独立的。RNNs之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具
2017-10-03 16:00:02
442
原创 BP神经网络
中文名 反向传播神经网络，又叫 多层前馈神经网络。原理 C++实现正向传递子过程其中f()为激活函数反向传递子过程误差函数如下而BP神经网络的主要目的是反复修正权值和阀值，使得误差函数值达到最小。根据梯度下降法根据梯度下降法，那么对于隐含层和输出层之间的权值和阀值调整如下
2017-10-03 15:56:08
730
原创 Hopfield神经网络
Hopfield最早提出的网络是二值神经网络，神经元的输出只取1和0，所以，也称离散Hopfield神经网络（DHNN，Discrete Hopfield Neural Network）。在离散Hopfield网络中，所采用的神经元是二值神经元，因此，所输出的离散值1和0分别表示神经元处于激活和抑制状态。网络结构 DHNN是一种单层、输出为二值的反馈网络。三个神经元组成的离
2017-10-03 15:53:38
944
原创 梯度弥散和梯度爆炸
bp神经网络中，梯度会随着反向传播层数的增加而呈指数增长，导致梯度爆炸（膨胀）。在经过多层的传播后，梯度会趋向于0，导致梯度弥散（消失）。
2017-10-03 15:52:25
682
原创 CNN 卷积神经网络
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理领域的一个应用。 1. 概述卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的， 另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物神经网络，降低了网络模型的复杂度（对于很难学习的深...
2017-10-03 15:46:51
531
双目视频视差图变化剧烈
2017-07-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人