2017年01月_qiusuoxiaozi

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创贝叶斯决策与贝叶斯参数估计

1/11/2017 11:02:08 PM 考试结束了重新看了一下贝叶斯参数估计（极大似然参数估计思想很简单，不用多说了），感觉贝叶斯参数估计真是内涵很深啊！下面两张ppt务必完全每一行都看懂（刘老师的PPT确实做得好啊）第二张PPT讲得很清楚了，关于贝叶斯参数估计的基本条件和步骤。需要注意的的是p(x|θ)表示的是参数θ给定时，x（也就是数据）的一般分布；而p(D|θ)则表示实际上生成手上

2017-01-12 13:12:44 4946

原创 RNN与反向传播算法（BPTT）的理解

RNN是序列建模的强大工具。今天主要搬运两天来看到的关于RNN的很好的文章：Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN) 这个博客相当赞，从Toy Code学习确实是个很好的方法（便于理解抓住核心）！。David 9的博客，有上面的译文，还有一些包括GAN（生成对抗网络）的Toy code.RNN反向传播算法（BP

2017-01-09 10:37:11 10163

Python numpy

直接下载双击即可安装numpy，免去考虑compile的麻烦。关于scipy的安装（也比较麻烦）也有类似的软件，具体请见我的blog

2016-04-24

提高matlab代码速度的Tips

To speed up your matlab code, which is downloaded from UFLDL website

2016-04-14

UFLDL exercise9 Convolution and Pooling

In this exercise you will use the features you learned on 8x8 patches sampled from images from the STL-10 dataset in the earlier exercise on linear decoders for classifying images from a reduced STL-10 dataset applying convolution and pooling. The reduced STL-10 dataset comprises 64x64 images from 4 classes (airplane, car, cat, dog).

2016-04-13

UFLDL exercise8 Linear Decoder

In this exercise, you will implement a linear decoder (a sparse autoencoder whose output layer uses a linear activation function). You will then apply it to learn features on color images from the STL-10 dataset. These features will be used in an later exercise on convolution and pooling for classifying STL-10 images.

2016-04-12

UFLDL exercise7 Stacked Autoencoder

In this exercise, you will use a stacked autoencoder for digit classification.

2016-04-11

UFLDL exercise5 Softmax Regression

Softmax Regression, which will be useful in later exercise.

2016-04-11

UFLDL exercise6 Self-Taught Learning

The self-taught learning paradigm with the sparse autoencoder and softmax classifier to build a classifier for handwritten digits.

2016-04-09

UFLDL exercise3&4 PCA and Whitening

里面有两个exercises 分别是PCA, PCA whitening and ZCA whitening in 2D 和 PCA and Whitening on natural images

2016-04-09

UFLDL exercise1 Sparse Autoencoder

已经矢量化了

2016-04-09

UFLDL exercise2 Learn features for handwritten digits

可以参考下载的log.txt文件

2016-04-09

有关图论的ppt

2014年暑期数模培训时老师讲的一些图论的东西，印象深刻。

2016-03-21

stanford CS229 课程讲义

Andrew Ng 主讲 CS229 关于马尔科夫决策过程的课程讲义

2016-03-08

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

qiusuoxiaozi的博客

原创贝叶斯决策与贝叶斯参数估计

原创 RNN与反向传播算法（BPTT）的理解

PRML 模式识别与机器学习（英文）

Python numpy

提高matlab代码速度的Tips

UFLDL exercise9 Convolution and Pooling

UFLDL exercise8 Linear Decoder

UFLDL exercise7 Stacked Autoencoder

UFLDL exercise5 Softmax Regression

UFLDL exercise6 Self-Taught Learning

UFLDL exercise3&4 PCA and Whitening

UFLDL exercise1 Sparse Autoencoder

UFLDL exercise2 Learn features for handwritten digits

有关图论的ppt

stanford CS229 课程讲义

空空如也

原创 贝叶斯决策与贝叶斯参数估计

原创 RNN与反向传播算法（BPTT）的理解

PRML 模式识别与机器学习（英文）

Python numpy

提高matlab代码速度的Tips

UFLDL exercise9 Convolution and Pooling

UFLDL exercise8 Linear Decoder

UFLDL exercise7 Stacked Autoencoder

UFLDL exercise5 Softmax Regression

UFLDL exercise6 Self-Taught Learning

UFLDL exercise3&4 PCA and Whitening

UFLDL exercise1 Sparse Autoencoder

UFLDL exercise2 Learn features for handwritten digits

有关图论的ppt

stanford CS229 课程讲义

空空如也

原创贝叶斯决策与贝叶斯参数估计