DeepLearning 读书笔记
DeepLearning 读书笔记
时光机゚
为了我的名字~。~
展开
-
(未开始)计算机视觉算法与应用_第五章_分割
图像分割的任务是寻找“相互匹配”的像素组,即机器学习里面的聚类分析。5.1 活动轮廓5.1.1 蛇行原创 2017-11-10 21:56:34 · 227 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第一章-引言
表示学习 使用机器学习来挖掘表示本身(从原始数据集学习特征表示)。 手动为一个复杂的任务设计特征需要耗费大量的人工时间和精力,使用表示学习学习到的表示,往往比手动设计的表示表现得更好。表示学习算法的经典例子是自编码器(AutoEncoder) 无监督学习网络有:自动编码器(AE),深度信念网络(DBN),生产对抗网络(GAN)。 深度学习是一种特定类型的机器学习,具有强大的...原创 2018-03-17 23:58:42 · 224 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第五章-机器学习基础
常见的机器学习任务分类学习算法通常会返回一个函数f:Rn→{1,...,k}f:Rn→{1,...,k}f:\mathbb R^n \rightarrow \{1,...,k\}。模型返回的是指定数字码y所代表的的类别或者不同类别的概率分布。输入缺失分类分类任务是学习一个从输入向量映射到输出类别的函数。当一些输入缺失时,学习算法需要学习一组函数,从 nnn 个输入变量,学习所有 2n...原创 2018-04-02 13:07:45 · 197 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第二章-线性代数
矩阵 AAA 的逆矩阵 A−1A−1A^{-1} 可用于多次求解不同向量 bbb 的 Ax=bAx=bAx=b 的方程。然而,逆矩阵 A−1A−1A^{-1} 主要是作为理论工具使用的,并不会在大多数软件应用程序中实际使用。这是因为逆矩阵 A−1A−1A^{-1} 在数字计算机上只能表现出有限的精度,有效使用向量 bbb 的算法通常可以得到更精确的解 xxx。范数 范数是将向量映...原创 2018-03-27 21:46:17 · 210 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第三章-概率与信息论
频率派频率(frequentist probability):直接与事件发生的频率相联系,多数事件是可重复的(如放回的纸牌抽取事件) 贝叶斯频率(Bayesian probability):涉及到确定性水平的频率,用于表达一种信任度(degree of belief),是不可重复进行的。比如,用于诊断病人患流感的几率。概率分布:用于描述随机变量或一簇随机变量在每一个可能取到的状态的可能性大小...原创 2018-03-28 19:17:56 · 260 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第六章-深度前馈网络
多分类任务下,为什么使用softmax? 事实上,我们最需要的是 max{x1,x2,x3}max{x1,x2,x3}max \{ x_1,x_2,x_3 \},该函数可以直接得到分类。但问题在于 maxmaxmax 函数不可导,所以就有人设计出了softmax函数P(y=i)=exp(∑dwidxd)∑jexp(∑dwjdxd)P(y=i)=exp(∑dwidxd)∑jexp(∑dwjdx...原创 2018-04-04 20:21:22 · 217 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第八章-深度模型中的优化
做优化算法时,为什么可以在数据集中随机采样少量样本(instead of 使用全部样本)? 1. n个样本均值的标准差为σn√σn\frac\sigma{\sqrt{n}},其中σσ\sigma是样本值真实的标准差。可以看出,分母n−−√n\sqrt{n}表明使用更多样本来估计梯度的方法是低于线性的。 2. 大数量样本中计算的梯度存在冗余(对样本做相似的贡献。比如两个一样...原创 2018-06-24 21:24:08 · 429 阅读 · 0 评论 -
【书籍阅读】DeepLearning----第九章-卷积神经网络
卷积神经网络的一个优点是较之基于矩阵乘法的神经网络,它们还可以处理具有变化的空间尺度的输入。池化池化函数的作用 池化函数使用某一位置的相邻输出的总体统计特征来替代网络在该位置的输出。当输入作出少量平移时,池化能帮助我们的表示近似不变。 池化函数也可以让CNN模型处理不同大小的图片,利用SPP(Spatial Pyramid Pooling,空间金字塔池化),让不同大小的图片...原创 2018-06-27 00:27:34 · 412 阅读 · 0 评论