智能/机器学习算法
文章平均质量分 84
键盘里的青春
加油~
展开
-
梯度下降(Gradient Descent)小结
前言:不得不感谢互联网的蓬勃发展,让知识与思维有充分的交流,让我有幸看到一些卓越的人他们的见解与思维总结,此文是学习BP神经网络(面向数学建模,比较浅显)中遇到梯度下降法,ML小白,因此查到此文,现在才感叹当初大一线代高数并没有深入研究,只是面向应试而学习,因此此文许多地方一知半解,但此文强大的逻辑与清晰的调理性让人敬佩,存下来如果以后真的如愿研究ML,再来研究每一个细节!转自:点击打开链接 在求...转载 2018-01-31 14:16:36 · 3994 阅读 · 0 评论 -
霍夫线/圆变换从原理到源码详解
1 简述2 标准霍夫线变换原理2.1 霍夫变换直线的方程2.2 霍夫空间2.3 检测直线的方法2.4 一个例子3 标准霍夫线变换的算法流程OpenCV中的函数1 简述 霍夫变换是一个经典的特征提取技术,本文主要说的是霍夫线/圆变换,即从图像中获取直线与圆,同时需要对图像进行二值化操作,效果如下。 霍夫变换目的通过投票程序在特定类型的形状内找到对...原创 2018-09-06 22:17:34 · 8102 阅读 · 4 评论 -
反卷积(转置卷积)的理解
参考:打开链接卷积:就是这个图啦,其中蓝色部分是输入的feature map,然后有3*3的卷积核在上面以步长为2的速度滑动,可以看到周围还加里一圈padding,用更标准化的参数方式来描述这个过程: 二维的离散卷积(N=2) 方形的特征输入(i1=i2=ii1=i2=i i_{1}=i_{2}=i) 方形的卷积核尺寸(k1=k2=kk1=k2=k k_{1} = k_{2}=k )...转载 2018-08-01 16:29:48 · 4444 阅读 · 0 评论 -
CReLU与PReLU的大体简介
本次介绍PReLU激活函数,方法来自于何凯明paper 《Delving Deep into Rectifiers:Surpassing Human-Level Performance on ImageNet Classification》.PReLU激活PReLU的几点说明关于CReLU1. 背景介绍PReLU激...转载 2018-07-31 21:14:12 · 9408 阅读 · 0 评论 -
图片插值的3种方发
转自:打开链接前言在做数字图像处理时,经常会碰到小数象素坐标的取值问题,这时就需要依据邻近象素的值来对该坐标进行插值。比如:做地图投影转换,对目标图像的一个象素进行坐标变换到源图像上对应的点时,变换出来的对应的坐标是一个小数,再比如做图像的几何校正,也会碰到同样的问题。关于图像重采样插值算法重新取样将在您缩放图片时更改图像数据的数量。当缩减像素取样(减少像素的数量)时,将从图像中删...转载 2018-07-24 20:43:14 · 2280 阅读 · 0 评论 -
python-------pandas学习
Python中的pandas模块进行数据分析。接下来pandas介绍中将学习到如下8块内容:1、数据结构简介:DataFrame和Series2、数据索引index3、利用pandas查询数据4、利用pandas的DataFrames进行统计分析5、利用pandas实现SQL操作6、利用pandas进行缺失值的处理7、利用pandas实现Excel的数据透视表功能8、多层索引的...转载 2018-08-03 20:38:56 · 345 阅读 · 0 评论 -
机器学习-------评价分类结果
准确度的陷阱和混淆矩阵和精准率召回率准确度的陷阱准确度并不是越高说明模型越好,或者说准确度高不代表模型好,比如对于极度偏斜(skewed data)的数据,假如我们的模型只能显示一个结果A,但是100个数据只有一个结果B,我们的准确率会是99%,我们模型明明有问题却有极高的准确率,这让我们对模型的评价容易出现问题。所以只用分类准确度是远远不够的,使用混淆矩阵做进一步分析。混淆矩...原创 2018-07-24 09:31:24 · 6415 阅读 · 0 评论 -
numpy和matplotlib基础
import numpy #引入numpy这个包import numpy as np #引入numpy这个包并改名为npnumpy.array的性质nparr = np.array([i for i in range(10)]) #np.array只能存一种类型,定义之后如果再加其他类型的数据会强制转换nparr #np.array里元素可以是向量跟矩阵array(...原创 2018-08-03 20:39:19 · 384 阅读 · 0 评论 -
遗传算法入门到掌握
博主前言:此文章来自一份网络资料,原作者不明,是我看过的最好的一份遗传算法教程,如果你能耐心看完他,相信你一定能基本掌握遗传算法。PS:遗传算法真的是一种很神奇的算法,算法真的好奇妙 再加一些比较好的链接~如何通俗易懂地解释遗传算法?有什么例子? - 知乎用户的回答 - 知乎https://www.zhihu.com/question/23293449/answer/120185075如何通俗易懂...转载 2017-12-22 16:50:54 · 5217 阅读 · 1 评论 -
模拟退火
模拟退火算法是用来求解最优化问题的算法。比如著名的TSP问题,函数最大值最小值问题等等。接下来将以如下几个方面来详细介绍模拟退火算法。 Contents 1. 模拟退火算法认识 2. 模拟退火算法描述 3. 费马点问题求解 4. 最小包含球问题求解 5. 函数最值问题求解 6. TSP问题求解 1. 模拟退火算法认识 爬山算法也是一个用来求解最优化问题的算法,每次...转载 2017-10-24 18:47:13 · 5654 阅读 · 0 评论 -
蒙特卡洛算法及简单应用
基本概念蒙特卡罗方法又称统计模拟法、随机抽样技术,是一种随机模拟方法,以概率和统计理论方法为基础的一种计算方法,是使用随机数(或伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系,用电子计算机实现统计模拟或抽样,以获得问题的近似解。为象征性地表明这一方法的概率统计特征,故借用赌城蒙特卡罗命名。基本思想:当所求问题的解是某个事件的概率,或者是某个随机变量的数学期望,原创 2018-01-24 14:34:52 · 10340 阅读 · 0 评论 -
约束优化方法之拉格朗日乘子法与KKT条件
PS:以下来自人工智能头条公众号,支持向量机部分约束问题分为等式约束和不等式约束,对于等式约束问题我们可以直接采用拉格朗日乘子法来解决,对于含有不等式约束的优化问题,可以转化为在满足 KKT 约束条件下应用拉格朗日乘子法求解.拉格朗日乘子法得到的解不一定是最优解,只有在函数是凸函数的条件下才能得到最优解.一、关于拉格朗日乘子法和KKT条件 1)关于拉格朗日乘子法 首先来了解拉格朗日乘子法,那么为什...转载 2018-05-18 11:16:28 · 1113 阅读 · 0 评论 -
机器学习算法------梯度下降法
算法简述梯度下降通常是通过迭代的方式来搜索某个函数的极大/小值,他对目标函数每个变量求偏导得出梯度,也就是沿着梯度方向函数值会增加的最快,那么要求最小值就要沿着梯度值的反方向,梯度下降分为随机梯度下降与批量梯度下降,以及小批量梯度下降,随机梯度相比批量梯度耗时少,但精度不如批量高,批量每一步都沿着下降最快的方向下降,但是样本很多的话 耗时很多,还有就是随机梯度具有随机的特性,可能会跳出局部最优...原创 2018-09-06 19:21:26 · 721 阅读 · 0 评论 -
机器学习算法-------线性回归法
算法概述线性回归其实是一种比较基础的回归算法,他假设特征与最后的结果之间存在某种线性关系,他通过最小化损失函数(平方误差),来获取最优的系数值和截距值,主要通过最小二乘法,对函数求偏导从而获取他的极值点,来最小化损失函数,线性回归有直接的正规方程解,所以可以直接得到系数矩阵,但复杂度相对较高,当然也可以通过梯度下降法解决这个问题最小二乘法与梯度下降之间的关系引自知乎: 链接:ht...原创 2018-08-08 15:49:21 · 958 阅读 · 0 评论