神经网络
文章平均质量分 94
beihangzxm123
这个作者很懒,什么都没留下…
展开
-
走近人脸检测:从VJ到深度学习(下)
转载自:https://mp.weixin.qq.com/s?__biz=MzI1NTE4NTUwOQ==&mid=2650324508&idx=1&sn=b103ea69129c794194e395076a97cf04 深度学习给目标检测带来的变革 人脸检测作为一种特定类型目标的检测任务,一方面具有其自己鲜明的特点,需要考虑人脸这一目标的特殊性,另一方面其也和其它类型目标的检测任转载 2016-04-21 11:20:11 · 7211 阅读 · 0 评论 -
深度学习卷积神经网络大事件一览
转载自:http://blog.csdn.net/u013088062/article/details/51118744 深度学习(DeepLearning)尤其是卷积神经网络(CNN)作为近几年来模式识别中的研究重点,受到人们越来越多的关注,相关的参考文献也是层出不穷,连续几年都占据了CVPR的半壁江山,但是万变不离其宗,那些在深度学习发展过程中起到至关重要的推动作用的经典文献依然值得回味,转载 2016-04-19 16:35:59 · 6295 阅读 · 0 评论 -
回顾一些重要的CNN改进模型(你真的了解 Convolutional Neural Networks 么)
转载自:干货 | 你真的了解 Convolutional Neural Networks 么https://mp.weixin.qq.com/s?__biz=MzAwMjM3MTc5OA==&mid=403231780&idx=1&sn=4d6b282e45a016df274b72f08ddf8492&scene=1&srcid=0111p2ycZ4HF6hZ8N9eohts2&ascen转载 2016-01-12 23:59:50 · 9537 阅读 · 0 评论 -
神经网络之激活函数面面观
转载自:【机器学习】神经网络之激活函数面面观 - 仙道菜 - 博客频道 - CSDN.NEThttp://blog.csdn.net/cyh_24/article/details/50593400日常 coding 中,我们会很自然的使用一些激活函数,比如:sigmoid、ReLU等等。不过好像忘了问自己一(n)件事:为什么需要激活函数?激活函数都有哪些?都转载 2016-01-27 16:12:07 · 3296 阅读 · 0 评论 -
卷积神经网络初探 | 数据科学家联盟 http://dataunion.org/20942.html
转载自:卷积神经网络初探 | 数据科学家联盟http://dataunion.org/20942.html前言目前为止我已经完整地学完了三个机器学习教程:包括“Stanford CS229”,”Machine Learning on Coursrea” 和 “Stanford UFLDL”,卷积神经网络是其中最抽象的概念。维基百科对卷积的数学转载 2016-01-05 16:30:40 · 1398 阅读 · 0 评论 -
机器学习和深度学习学习资料
转载自:机器学习和深度学习学习资料 - 机器学习 / Deep Learning - 算法组http://suanfazu.com/t/ji-qi-xue-xi-he-shen-du-xue-xi-xue-xi-zi-liao/126比较全面的收集了机器学习的介绍文章,从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning。转载 2016-01-04 11:11:09 · 1309 阅读 · 0 评论 -
从机器学习谈起
在进入正题前,我想读者心中可能会有一个疑惑:机器学习有什么重要性,以至于要阅读完这篇非常长的文章呢? 我并不直接回答这个问题前。相反,我想请大家看两张图,下图是图一: 图1 机器学习界的执牛耳者与互联网界的大鳄的联姻 这幅图上上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授,如今被聘为“Google大脑”的转载 2015-07-07 11:49:14 · 1235 阅读 · 2 评论 -
神经网络浅讲:从神经元到深度学习
转载自:http://www.cnblogs.com/subconscious/p/5058741.html神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提转载 2016-01-01 16:59:49 · 33134 阅读 · 8 评论 -
训练深度神经网络的时候需要注意的一些小技巧
翻译网上的哈,我觉得有很大一部分从没看到过,所以就翻译了下,如有不对的地方,欢迎指正:1、准备数据:务必保证有大量、高质量并且带有干净标签的数据,没有如此的数据,学习是不可能的2、预处理:这个不多说,就是0均值和1方差化3、minibatch:建议值128,1最好,但是效率不高,但是千万不要用过大的数值,否则很容易过拟合4、梯度归一化:其实就是计算出来梯度之后,要除原创 2015-09-17 10:23:30 · 1478 阅读 · 0 评论 -
一文读懂卷积神经网络
自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互有增益。正文之前,先说几点自己对于CNN的感触。先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处原创 2015-09-17 10:22:40 · 957 阅读 · 0 评论 -
运用神经网络方法找寻集成学习中的最优权重
众所周知,如今在众多数据科学竞赛中的获奖方案中,使用集成学习算法已然成为了家常便饭。集成学习独有的依据一系列假设对大量机器学习算法进行训练的能力,不仅增加了模型的稳定性,同时也使得模型的精确程度得到了较高的提升。在此之前,如果你对集成学习还是没有什么印象的话,之前推送的文章《关于集成学习基础的简单描述》或许会对你有所帮助。话说回来,在构建集成模型时,如何找到最佳的权重往往是人们面临的常见挑翻译 2015-09-17 10:28:28 · 6560 阅读 · 0 评论 -
李菲菲课程笔记:Deep Learning for Computer Vision – Introduction to Convolution Neural Networks
转载自:http://www.analyticsvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-convolution-neural-networks/IntroductionThe power of artificial intelligence is beyond our imagination. W转载 2016-04-21 11:26:39 · 9584 阅读 · 0 评论