![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学
文章平均质量分 68
Yihui_He
Deep Learning, Computer Vision, AI, Computer Network
展开
-
[数学模型]支持向量机 从应用的角度理解 (一)
最近学习了支持向量机, 小生才疏学浅, 真的看不懂诶, 只好以应用的方式去理解了. 木有关系, 只要我们会用就好, 理解放到以后把! 多说一句, 如果你真的想学会它的化, 学会二次规划, KKT就容易多了. 先说一下支持向量机能干什么, 可以分类. 比如一下, 你有一些嫌疑犯样本, 它们有n个体貌特征, 这些嫌疑犯分为 犯过罪与没犯过罪 两类, 假设特征与是原创 2015-04-02 14:44:38 · 2124 阅读 · 0 评论 -
支持向量机(四)
9 规则化和不可分情况处理(Regularization and the non-separable case) 我们之前讨论的情况都是建立在样例线性可分的假设上,当样例线性不可分时,我们可以尝试使用核函数来将特征映射到高维,这样很可能就可分了。然而,映射后我们也不能100%保证可分。那怎么办呢,我们需要将模型进行调整,以保证在不可分的情况下,也能够尽可能地找出分隔超平面。 看下面两张转载 2015-04-02 20:10:22 · 575 阅读 · 0 评论 -
代码开源:Channel Pruning for Accelerating Very Deep Neural Networks
代码开源:Channel Pruning for Accelerating Very Deep Neural Networks[PDF] [Code] 基于CNN每一层都是稀疏地假设,我们考虑是否能找到neuron之间的关系,仅留下最具有代表性地neuron?原创 2017-08-22 13:54:05 · 7733 阅读 · 9 评论