- 博客(12)
- 资源 (4)
- 收藏
- 关注
RSS订阅转载 numpy.random.seed()
seed（）函数是用来控制生成有规律随机数的。当（）中有数值时，生成与该值相关的随机数import numpy as np例如， 当（）中的值为0时，np.random.seed(0)print(np.random.randn(1, 3))np.random.seed(0)print(np.random.randn(1, 3))[[1.76405235 0.40015...
2019-09-24 14:41:14
193
原创 Noisy OR （NOR）model
Noisy OR （NOR）model如下图所示，Y结点有父亲结点Z1到Zk，OR关系的意思即只有Z1到Zk全部不发生，那么才有Y=0，而Zi是否发生受到随机变量Xi的影响，如果把最后Y看成教授的推荐信，那么X1到Xk可以看做学生的某项表现，学生第i项表现优异的情况下被教授欣赏的概率为λi，这个图的意思就是如果教授至少欣赏了学生的某一项优异表现，则有推荐信。那么Z0是什么呢？这个概率称为lea...
2019-09-19 21:27:01
4807
原创 对数似然函数理解
对数似然函数（log likelihood）机器学习里面，对模型的训练都是对Loss function进行优化，在分类问题中，我们一般使用最大似然估计（Maximum likelihood estimation）来构造损失函数。对于输入的x，其对应的类标签为t，我们的目的是找到使p(t|x)最大的模型f(x),y=f(x)为模型的预测值。在二分类问题中：可以看到，多分类问题中，上述...
2019-09-19 21:10:27
30944
转载 最大似然估计
极大似然估计 以前多次接触过极大似然估计，但一直都不太明白到底什么原理，最近在看贝叶斯分类，对极大似然估计有了新的认识，总结如下：贝叶斯决策 首先来看贝叶斯分类，我们都知道经典的贝叶斯公式： 其中：p(w)：为先验概率，表示每种类别分布的概率；：类条件概率，表示在某种类别前提下，某事发生的概率；而为后验概率，表示某事发生了，...
2019-09-17 15:04:18
792
转载 目标追踪(tracking)简介
视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控，人机交互，无人驾驶等。过去二三十年视觉目标跟踪技术取得了长足的进步，特别是最近两年利用深度学习的目标跟踪方法取得了令人满意的效果，使目标跟踪技术获得了突破性的进展。本文旨在简要介绍：目标跟踪的基本流程与框架，目标跟踪存在的挑战，目标跟踪相关方法，以及目标跟踪最新的进展等，希望通过这篇文章能让读者对视觉...
2019-09-12 15:04:08
20517
5
原创 python常用函数（更新）
eval() 函数用来执行一个字符串表达式，并返回表达式的值。>>>x = 7>>> eval( '3 * x' )21>>> eval('pow(2,2)')4>>> eval('2 + 2')4>>> n=81>>> eval("n + 4")85np.ran...
2019-09-11 16:21:17
224
原创 IP 地址无效化
给你一个有效的 IPv4 地址address，返回这个 IP 地址的无效化版本。所谓无效化IP 地址，其实就是用"[.]"代替了每个 "."。示例 1：输入：address = "1.1.1.1"输出："1[.]1[.]1[.]1"示例 2：输入：address = "255.100.50.0"输出："255[.]100[.]50[.]0"提示：...
2019-09-10 11:16:22
341
原创 宝石与石头
No.1给定字符串J代表石头中宝石的类型，和字符串S代表你拥有的石头。S中每个字符代表了一种你拥有的石头的类型，你想知道你拥有的石头中有多少是宝石。J中的字母不重复，J和S中的所有字符都是字母。字母区分大小写，因此"a"和"A"是不同类型的石头。示例 1:输入: J = "aA", S = "aAAbbbb"输出: 3示例 2:输入: J = "z", S =...
2019-09-05 20:15:36
255
原创 torch.nn.Conv2d参数
torch.nn.Conv2d 用于搭建卷积神经网络的卷积层，主要的输入参数有输入通道数、输出通道数、卷积核大小、卷积核移动步长和Padding的值。其中，输入通道数的数据类型是整型，用于确定输入数据的层数；输出通道数的数据类型也是整型，用于确定输出数据的层数；卷积核大小的数据类型是整型，用于确定卷积核的大小；卷积核移动步长的数据类型是整型，用于确定卷积核每次滑动的步长；Paddingde ...
2019-09-04 19:27:18
3231
Anomaly Detection-1.pptx
2020-12-03
network in network.pptx
2019-08-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人