- 博客(29)
- 资源 (2)
- 收藏
- 关注
原创 Material Recognition in the Wild with the Materials in Context Database论文笔记
摘要: 在现实世界中,材料识别是一个有挑战性的任务。真实世界中的材料是有很丰富的表面纹理、几何形状、光照条件和杂波。这些因素使的这个问题难以处理。在这边论文,我们提出了一个新的、大规模的、在户外的材料的开放数据集(MINC),并且用深度学习在这些数据集中的图片中去获取材料识别和分割。 MINC比之前的材料数据集大一个数量级。MINC具有多种种类和精心采样的23个ca...
2019-02-15 12:28:36
1376
原创 ROC和AUC的理解
ROC ROC经常被用来评价一个二值分类器的优劣。 举个例子,有10个样本。分类器会计算出经过激活函数前的score,假设score范围是(0,1)。根据score从左到右按降序排序。 1,如果 分类器效果很好,将样本完美预测。PPPPPNNNNN (P表示label为正,N表示label为负) 2,如果 分类器效果很差,将样本全部预测错误。NNN...
2018-12-20 12:52:31
935
原创 神经网络训练双螺旋曲线模型
AClassification Problem1. SYSTEM: ATwo-Nested-Spirals Problem Two-Nest-Spiralsproblem is a well-known classification benchmark problem. It contains twonested spirals, ...
2018-07-13 18:52:44
4999
原创 神经网络中,前向传播和反向传播 矩阵维度的问题
以1个输入层、1个隐藏层和1个输出层为例,分析编程中变量的维度。初始化:w1的维度: 隐藏层节点个数 *特征个数 b1的维度: 1 * 隐藏层节点个数 w2的维度: 输出层节点个数 * 隐藏层节点个数 b2的维度: 1 * 输出层节点个数 前向传播: Train_data 特征数量 * 样本数量 z1 ...
2018-07-08 23:19:18
1109
2
原创 [深度学习] 第四课Face Recognition for the Happy House:编程练习-学习笔记
Face Recognition for the Happy HouseWelcome to the first assignment of week 4! Here you will build a face recognition system. Many of the ideas presented here are from FaceNet. In lecture, we also tal...
2018-05-23 20:04:21
572
原创 [深度学习] 第四课 Deep Learning & Art: Neural Style Transfer:编程练习-学习笔记
Deep Learning & Art: Neural Style TransferWelcome to the second assignment of this week. In this assignment, you will learn about Neural Style Transfer. This algorithm was created by Gatys et al. ...
2018-05-23 18:28:24
1182
原创 [深度学习] 第四课 Convolutional Neural Networks: Step by Step:编程练习-学习笔记
计算单个卷积# GRADED FUNCTION: conv_single_stepdef conv_single_step(a_slice_prev, W, b): """ Apply one filter defined by parameters W on a single slice (a_slice_prev) of the output activation ...
2018-05-17 20:16:55
405
原创 [深度学习] 第一课 Deep Neural Network for Image Classification: Application:编程练习-学习笔记
Deep Neural Network for Image Classification: ApplicationWhen you finish this, you will have finished the last programming assignment of Week 4, and also the last programming assignment of this course...
2018-05-10 20:34:32
400
原创 [深度学习] 第一课 Building your Deep Neural Network: Step by Step:编程练习-学习笔记
Building your Deep Neural Network: Step by StepWelcome to your week 4 assignment (part 1 of 2)! You have previously trained a 2-layer Neural Network (with a single hidden layer). This week, you will b...
2018-05-10 00:12:45
364
原创 [深度学习] 第一课 Week 4 Quiz - Key concepts on Deep Neural Networks
What is the "cache" used for in our implementation of forward propagation and backward propagation? It is used to cache the intermediate values of the cost function during training. We use it to pass ...
2018-05-09 19:47:45
1099
原创 [深度学习] 第一课 Planar data classification with one hidden layer:编程练习-学习笔记
Planar data classification with one hidden layerWelcome to your week 3 programming assignment. It's time to build your first neural network, which will have a hidden layer. You will see a big differen...
2018-05-08 22:56:03
454
原创 [深度学习] 第一课 Week 3 Quiz - Shallow Neural Networks
Week 3 Quiz - Shallow Neural NetworksWhich of the following are true? (Check all that apply.) Notice that I only list correct options.X is a matrix in which each column is one training example.a^[2]_4...
2018-05-08 16:34:32
1320
1
原创 [深度学习] 第一课 Logistic Regression with a Neural Network mindset:编程练习-学习笔记
Logistic Regression with a Neural Network mindsetou will learn to:Build the general architecture of a learning algorithm, including:Initializing parametersCalculating the cost function and its gradien...
2018-05-08 15:41:22
509
原创 [机器学习速成课程] 嵌套 (Embeddings):编程练习-学习笔记
稀疏数据和嵌入简介学习目标:将影评字符串数据转换为稀疏特征矢量使用稀疏特征矢量实现情感分析线性模型通过将数据投射到二维空间的嵌入来实现情感分析 DNN 模型将嵌入可视化,以便查看模型学到的词语之间的关系在此练习中,我们将探讨稀疏数据,并使用影评文本数据(来自 ACL 2011 IMDB 数据集)进行嵌入。这些数据已被处理成 tf.Example 格式。(数据:urls_pos.txt包含被判定为好...
2018-03-29 00:58:03
982
原创 [机器学习速成课程] 多类别神经网络 (Multi-Class Neural Networks):编程练习-学习笔记
使用神经网络对手写数字进行分类学习目标:训练线性模型和神经网络,以对传统 MNIST 数据集中的手写数字进行分类比较线性分类模型和神经网络分类模型的效果可视化神经网络隐藏层的权重我们的目标是将每个输入图片与正确的数字相对应。我们会创建一个包含几个隐藏层的神经网络,并在顶部放置一个归一化指数层,以选出最合适的类别。设置首先,我们下载数据集、导入 TensorFlow 和其他实用工具,并将数据加载到 ...
2018-03-25 13:26:43
1224
原创 [机器学习速成课程] 神经网络简介 (Introduction to Neural Networks)-学习笔记
“非线性”意味着您无法使用形式为的模型准确预测标签。也就是说,“决策面”不是直线。之前,我们了解了对非线性问题进行建模的一种可行方法 - 特征组合。playground练习(https://developers.google.com/machine-learning/crash-course/introduction-to-neural-networks/playground-exercises)...
2018-03-25 11:52:18
330
原创 [机器学习速成课程] 训练神经网络 (Training Neural Networks):编程练习-学习笔记
提高神经网络性能学习目标:通过将特征标准化并应用各种优化算法来提高神经网络的性能注意:本练习中介绍的优化方法并非专门针对神经网络;这些方法可有效改进大多数类型的模型。导入,与之前一样import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matpl...
2018-03-25 00:43:02
1302
原创 [机器学习速成课程] 神经网络简介 (Introduction to Neural Networks):编程练习-学习笔记
神经网络简介学习目标:使用 TensorFlow DNNRegressor 类定义神经网络 (NN) 及其隐藏层训练神经网络学习数据集中的非线性规律,并实现比线性回归模型更好的效果在之前的练习中,我们使用合成特征来帮助模型学习非线性规律。一组重要的非线性关系是纬度和经度的关系,但也可能存在其他非线性关系。现在我们从之前练习中的逻辑回归任务回到标准的(线性)回归任务。也就是说,我们将直接预测 med...
2018-03-21 23:40:47
246
原创 [机器学习速成课程] 稀疏性正则化 (Regularization for Sparsity)-学习笔记
稀疏性和 L1 正则化学习目标:计算模型大小通过应用 L1 正则化来增加稀疏性,以减小模型大小降低复杂性的一种方法是使用正则化函数,它会使权重正好为零。对于线性模型(例如线性回归),权重为零就相当于完全没有使用相应特征。除了可避免过拟合之外,生成的模型还会更加有效。L1 正则化是一种增加稀疏性的好方法。导入,跟之前一样import mathfrom IPython import display...
2018-03-20 00:18:49
7744
原创 [机器学习速成课程] 分类 (Classification):编程练习-学习笔记
逻辑回归学习目标:将(在之前的练习中构建的)房屋价值中位数预测模型重新构建为二元分类模型比较逻辑回归与线性回归解决二元分类问题的有效性将问题构建为二元分类问题数据集的目标是 median_house_value,它是一个数值(连续值)特征。我们可以通过向此连续值使用阈值来创建一个布尔值标签。我们希望通过某个城市街区的特征预测该街区的住房成本是否高昂。为了给训练数据和评估数据准备目标,我们针对房屋价...
2018-03-17 00:36:51
445
原创 [机器学习速成课程] 分类 (Classification)-学习笔记
准确率准确率是一个用于评估分类模型的指标。通俗来说,准确率是指我们的模型预测正确的结果所占的比例。正式点说,准确率的定义如下:对于二元分类,也可以根据正类别和负类别按如下方式计算准确率:其中,TP (True positive)= 真正例,TN(True negative) = 真负例, FP(False positive) = 假正例,FN(False negative) = 假...
2018-03-16 14:44:55
488
原创 [机器学习速成课程]简化正则化 (Regularization for Simplicity)-学习笔记
L₂ 正则化请查看以下泛化曲线,该曲线显示的是训练集和验证集相对于训练迭代次数的损失。图 1. 训练集和验证集损失。图 1 显示的是某个模型的训练损失逐渐减少,但验证损失最终增加。换言之,该泛化曲线显示该模型与训练集中的数据过拟合。根据奥卡姆剃刀定律,或许我们可以通过降低复杂模型的复杂度来防止过拟合,这种原则称为正则化。也就是说,并非只是以最小化损失(经验风险最小化)为目标:而是以最小化损失和复杂...
2018-03-16 13:26:53
669
原创 [机器学习速成课程]特征组合 (Feature Crosses)-学习笔记
特征组合学习目标:通过添加其他合成特征来改进线性回归模型(这是前一个练习的延续)使用输入函数将 Pandas DataFrame 对象转换为 Tensors,并在 fit() 和 predict() 中调用输入函数使用 FTRL 优化算法进行模型训练通过独热编码、分箱和特征组合创建新的合成特征设置与之前一样import mathfrom IPython import displayfrom ...
2018-03-12 23:27:56
5942
原创 [机器学习速成课程]表示 (Representation)-学习笔记
设置和之前一样,我们先加载并准备加利福尼亚州住房数据。import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy as npimport pandas as p...
2018-03-12 00:43:52
779
原创 [机器学习速成课程]验证 (Validation)-学习笔记
设置我们首先加载并准备数据。这一次,我们将使用多个特征,因此我们会将逻辑模块化,以对特征进行预处理:import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy a...
2018-03-11 23:52:53
3329
原创 [机器学习速成课程]使用 TensorFlow 的起始步骤(First Steps with TensorFlow)-学习笔记
设置在此第一个单元格中,我们将加载必要的库。import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy as npimport pandas as pdfro...
2018-03-11 23:13:24
1266
原创 [机器学习] nnCostFunction -学习笔记
在练习4的代码中:[a,b] = max([0 0 1 0 0 0 0 0 0 0; 0 1 0 0 0 0 0 0 0 0; 0 0 0 1 0 0 0 0 0 0],[],2)a = 1 1 1b = 3 2 4Y = eye(K)(y, :); 这行代码的作用:将十进制转换成10个位,例如:9变成0 0 0 0 0 0 0 0 1 0>>...
2018-03-10 23:20:20
841
原创 [机器学习] Non-linear Hypothesis -学习笔记
Suppose you are learning to recognize cars from 100×100 pixel images (grayscale, not RGB). Let the features be pixel intensity values. If you train logistic regression including all the quadratic term...
2018-03-08 23:00:07
1543
1
原创 [机器学习速成课程]表示法-学习笔记
编程学习 地址:https://colab.research.google.com/notebooks/mlcc/feature_sets.ipynb?hl=zh-cn#scrollTo=UzoZUSdLIolFQ1:为什么决定使用‘median_income’与‘latitude’作为minimal_features?minimal_features = [ "median_income", ...
2018-03-07 22:34:25
396
《MATLAB 神经网络43个案例分析》包含代码和测试数据
2018-04-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人