- 博客(13)
- 收藏
- 关注
RSS订阅原创 [模式识别] 实验报告——贝叶斯、Fisher线性判别、K近邻、LeNET、PCA变换实验
本资源整合了模式识别课程的五个实验报告，分别为贝叶斯分类器、Fisher线性判别法、K近邻算法、使用PCA变换的方法对ORL人脸数据集进行人脸识别、使用LeNet神经网络进行MINIST手写数字的识别。
2022-11-26 18:05:48
1571
1
原创 HTML+JS 实现 input 框回车事件
很多时候input框我们输入结束后都习惯直接按回车，而不是点击button。在form表单中可以实现点击回车即可提交表单，但如果只是一个单独的input框，则无法通过直接按回车来提交内容。这种情况我们可以使用JavaScript脚本实现input框回车事件，其实现方法很简单，这里用到了jQuery框架，代码如下：只需要在script标签中直接加入以下内容即可。keycode==13即代表按下了回车键，同理可以通过更改此代码实现其他按键的触发事件。
2022-09-09 12:02:00
15496
原创 [蓝桥杯嵌入式STM32] EEPROM At24c02读取时出现乱码问题的解决
[问题描述]在使用At24c02向存储器中写入数据时，可能会出现读取出来的数据是一堆乱数字的情况。[问题解决]问题在于勾选了“Micro LIB”，取消勾选即可。但是取消勾选后，可能会出现“printf”函数不能用的情况。为了顺利使用printf函数，我们需要在usart.c文件中添加如下代码：#pragma import(__use_no_semihosting) _sys_exit(int x) { x = x; } struct __FILE {
2022-05-12 20:39:15
1515
原创 [算法] 最易理解的贪心算法讲解（带实例）
一、定义贪心算法，定义为：将一个大的问题拆解为若干个小问题，在求解问题的每一步中，不管当前这一步的决策会对未来有什么影响，都只将眼前的决策取到最优即可。如此反复，直至最终得到最优解。缺陷：只是希望得到最优解，尽管每一步都是最优解，但在整体上并不一定能够得到最优解。优点：时间复杂度通常都比较低，也就是花的时间比较少。整体可能不是最优，但也八九不离十。二、举例有这么一堆数，按照金字塔排列下来，如下图所示。我们从顶点开始，求从顶部到底部的最大路径之和；换句话说就是从顶到底每层依次加一个数，令这
2022-05-09 22:18:58
753
原创 [论文排版] 实现公式居中、编号右对齐
第一步：创建1×3的表格第二步：将中间的表格调大，两侧的调窄。注意：左右两边一定要等宽！！第三步：在中间表格插入公式，右边表格插入序号。并将中间公式设置为居中，右侧编号设置为右对齐。第四步：此时序号飘在半空中，需要设置垂直对齐，右键选择单元格对齐方式，点选垂直居中第五步：去除边框，选中整个表格，点击边框和底纹，并点击“无”第六步：完工！...
2022-02-17 10:51:51
1435
原创 [Pytorch] 学习记录（七）MNIST多分类问题
在处理多分类问题的时候会用到一个叫做softmax的分类器，本讲将主要从softmax分类器入手来实现多分类问题。在前一章我们对糖尿病模型进行了二分类，二分类问题中只需要输出一个概率，另外的一个概率通过用1来减即可获得。但多分类需要输出多个概率。本次我们采用MNIST手写数字数据集，首先我们来看一下如果有十个分类那他们的输出该是什么样的。若有十个分类，那这10个概率的输出应该是总和=1且均>0的。但某些情况下，可能会出现P(y=1)=0.8，P(y=2)=0.9 这样的情况，所以当我们求出P(y=
2022-02-13 15:45:15
1174
3
原创 [Pytorch] 学习记录（六）处理多维特征输入
在之前的章节中一直在进行单维的特征输入 ，本节将进行多维特征输入的学习。图1为数据集样例，该数据集是关于糖尿病的数据集。图1 数据集样例我们将进行糖尿病的分类任务，每一行为一个样本Sample，每一列称为一个特征Feature。显然，每个样本拥有8个特征。由于特征的增加，在计算logistic模型的时候就不能再按照先前的一维计算，公式如下所示：公式中，需要将每个x的特征值取出，与ω相乘。在这里我们将xn看作一个向量，就相当于做如下的运算：其与单维的区别在于ω不再只是一个数字，而
2022-02-12 17:09:09
985
原创 [Pytorch] 学习记录（五）Logistic(Sigmoid) 回归
本章将开始进行机器学习中的分类问题，虽然名字叫回归，但他是做分类的。分类问题最基本的一个思维方式：比如识别手写数字，模型会将输入的图片进行十个类别的预测，并给出10个概率。从当中选取概率最高的一个作为预测结果，即为多分类。这里我们采用一个经典的数据集——minist，该数据集可从pytorch中下载，代码如下：import torchvisiontrain_set = torchvision.datasets.MNIST(root=’../dataset/mnist',train=FTrue,d
2022-02-12 15:22:45
1011
原创 [Pytorch] 学习记录（四）使用Pytorch实现线性回归
在之前的几节里涉及到过简单的线性模型，本章将利用pytorch提供的工具来实现线性回归。我们会介绍诸如Module、构造Loss函数、构造随机梯度下降优化器等。这些东西pytorch都会提供，因此本章的主要作用就是如何利用pytorch提供的工具来帮助我们更方便的实现构建线性模型。首先回顾一下前面讲过的，第一步是要确定Linear Model，再定义损失函数进行优化。在pytorch中进行优化的时候，要用到的是sgd（随机梯度下降），而用sgd核心的步骤是要求出每一个损失函数关于权重的偏导（梯度），这就
2022-02-11 09:40:40
1054
原创 [Pytorch] 学习记录（三）反向传播
反向传播是神经网络中非常重要的一个算法，它可以在图上进行梯度传播。如图是最简单的神经网络，ω为权重存在于模型中，是我们要训练的目标。y为最终的输出，*为进行计算的地方。在训练的时候实际上就是对ω权重进行更新，更新的时候是在计算Loss对权重的导数。图1 最简单的神经网络梯度下降的完整公式为，而导数部分经推导可得。对于简单的模型我们可以用上面的解析式方法去做，但是对于复杂的模型就不能再这样做了。图2 复杂的模型如图2，每一个圆圈里都有一个自己的ω，权重数量非常多。...
2022-02-09 17:50:20
985
原创 Android Studio实现透明状态栏的最简单方法
共有两步。第一步：在 “public class MainActivity extends AppCompatActivity { ” 下添加如下代码，以下代码是通用的，不需要修改。但是通常复制以后会有一处标红，只需按其提示新建一个xml文件即可解决，新建的xml文件里不需要另加东西。//是否使用特殊的标题栏背景颜色，android5.0以上可以设置状态栏背景色，如果不使用则使用透明色值 protected boolean useThemestatusBarColor = false;
2021-08-27 12:04:43
3192
4
模式识别实验报告（五个实验）
2022-11-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人