肥胖边缘疯狂蹦迪-CSDN博客

原创 FoldingNet: Point Cloud Auto-encoder via Deep Grid Deformation 论文和代码详解

FoldingNet: Point Cloud Auto-encoder via Deep Grid Deformation 论文和代码详解

2022-06-07 14:27:53 488 2

原创 PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space 论文和代码详解

PointNet++论文和代码详解

2022-06-05 11:36:50 382

原创 PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 论文和代码详解

PointNet论文和代码详解

2022-06-01 23:08:25 317

原创吴恩达《机器学习》笔记

吴恩达《机器学习》笔记

2022-05-22 20:22:19 396 1

原创吴恩达《机器学习》笔记——第十八章《应用举例：Photo OCR》

18、Application example：Photo OCR（应用举例：Photo OCR）18.1 Problem description and pipeline（问题描述与pipeline）18.2 Sliding windows（滑动窗口）18.3 Getting lots of data：Artificial data synthesis（获取大量数据和人工数据）19.1 Summary and Thank you（总结与感谢）18.1 Problem description and pip

2022-05-22 20:13:13 152

原创吴恩达《机器学习》笔记——第十七章《大规模机器学习》

17、Large scale machine learning（大规模机器学习）17.1 Learning with large datasets（学习大数据集）17.2 Stochastic gradient descent（随机梯度下降）17.3 Mini-batch gradient descent（Mini-batch梯度下降）17.4 Stochastic gradient descent convergence（随机梯度下降收敛）17.5 Online learning（在线学习）17.6 Ma

2022-05-22 17:26:52 269

原创吴恩达《机器学习》笔记——第十六章《推荐系统》

16、Recommender Systems（推荐系统）16.2 Content-based recommendations（基于内容的推荐算法）16.3 Collaborative filtering（协同过滤）16.4 Collaborative filtering algorithm（协同过滤算法）16.5 Vectorization：Low rank matrix factorization（矢量化：低秩矩阵分解）16.6 Implementational detail：Mean normaliz

2022-05-22 15:06:45 241

原创吴恩达《机器学习》笔记——第十五章《异常检测》

15、Anomaly detection（异常检测）15.2 Gaussian distribution（高斯分布）15.3 Algorithm（算法）15.4 Developing and evaluating an anomaly detection system（开发和评估异常检测系统）15.5 Anomaly detection vs. supervised learning（异常检测 vs. 监督学习）15.8 Anomaly detection using the multivariate Ga

2022-05-20 14:59:59 273

原创吴恩达《机器学习》笔记——第十四章《降维》

14、Dimensionality Reduction（降维）14.3 Principal Component Analysis （主成分分析）14.7 Advice for applying PCA（应用PCA的建议）“降维”的只管理解就是在给定的数据样本空间时，找一个更低维度空间或者是数据样本空间中的一个超平面（直线的高维推广）对所有的样本进行恰当的表达。14.3 Principal Component Analysis （主成分分析）主成分分析（Principal Component Analy

2022-05-19 20:37:51 702

原创吴恩达《机器学习》笔记——第十三章《聚类》

13、Clustering（聚类）13.2 K-means algorithm（K-means算法）13.3 Optimization objective（优化目标）13.4 Random initialization（随机初始化）13.5 Choosing the number of clustors（选取聚类数量）13.2 K-means algorithm（K-means算法）K-means是一种聚类算法。下面是K-means算法的伪代码：13.3 Optimization objective

2022-05-19 16:22:34 276

原创吴恩达《机器学习》笔记——第十二章《支持向量机》

12、Support Vector Machines（支持向量机）12.1 Optimization objective（优化目标）12.4 Kernels（核函数）12.6 Use an SVM（使用SVM）支持向量机（SVM）是针对二分类任务设计的，对多分类任务要进行专门的推广。关于SVM，建议看西瓜书，而非吴恩达的视频。12.1 Optimization objective（优化目标）SVM的基本形式：上述问题求解可使用“对偶问题（KKT—条件）”求解。12.4 Kernels（核函数）

2022-05-19 15:08:40 213

原创吴恩达《机器学习》笔记——第十一章《机器学习系统设计》

11、Machine learning system design（机器学习系统设计）11.2 Error analysis（误差分析）11.3 Error metrics for skewed classes（不对称性分类的误差评估）11.4 Trading off precision and recall（查准率和召回率的平衡）11.5 Data for machine learning（机器学习数据）11.2 Error analysis（误差分析）本节推荐在验证集上进行误差分析，而非在测试集上进

2022-05-19 10:08:02 207

原创吴恩达《机器学习》——第十章《应用机器学习的建议》

10、Advice for applying machine learning（应用机器学习的建议）10.1 Deciding what to try next（决定下一步做什么）10.2 Evaluating a hypothesis（评估假设）10.3 Model selection and training/validation/test sets（模型选择和训练、验证、测试集）10.4 Diagnosing bias vs. variance（诊断偏差和方差）10.5 Regularization

2022-05-18 10:06:15 200

原创吴恩达《机器学习》笔记——第九章《神经网络：学习》

9、Neural Networks：Learning（神经网络：学习）9.1 Cost function（代价函数）9.2 Backpropagation algorithm（反向传播算法）9.3 Backpropagation intuition（理解反向传播）9.5 Gradient checking（梯度检测）9.6 Random initialization（随机初始化）9.7 Putting it together（组合到一起）9.1 Cost function（代价函数）对于分类问题，分为二

2022-05-17 16:37:43 276

原创吴恩达《机器学习》笔记——第八章《神经网络：表示》

8、Neural Networks: Representation（神经网络：表示）8.1 Non-linear hypothesis（非线性假设）8.3 Model representation I（模型展示 I）8.4 Model representation II（模型展示 II）8.7 Multi-class classification（多元分类）8.1 Non-linear hypothesis（非线性假设）神经网络在学习复杂的非线性假设上被证明是一种好的算法，即使输入特征空间很大，也能轻松

2022-05-17 12:02:19 364

原创吴恩达《机器学习》笔记——第七章《正则化》

7、Regularization（正则化）7.1 The problem of overfitting（过拟合问题）7.2 Cost function（代价函数）7.3 Regularied linear regression（线性回归的正则化）7.4 Regularized logistic regression（Logistic回归的正则化）7.1 The problem of overfitting（过拟合问题）过拟合（Overfitting）：如果有太多的特征，学习器把训练样本学得“太好”了的时

2022-05-16 13:30:05 241

原创吴恩达《机器学习》笔记——第六章《逻辑回归/对数几率回归》

6、Logistic Regression（逻辑回归/对数几率回归）6.1 Classification（分类）6.2 Hypothesis Representation（假设表示）6.3 Decision boundary（决策边界）6.4 Cost function（代价函数）6.7 Simplified cost function and gradient descent（简化代价函数与梯度下降）6.1 Classification（分类）Logistic回归虽然被称为“回归”，但是它是一个“分类

2022-05-13 13:55:02 186

原创吴恩达《机器学习》笔记——第四章《多元线性回归》

4、Linear Regression with multiple variables（多元线性回归）4.1 Multiple features（多特征）4.1 Multiple features（多特征）

2022-05-12 14:36:01 391

原创吴恩达《机器学习》笔记——第三章《线性代数复习》

3、Linear Algebra review（线性代数复习）3.1 Matrices and vectors（矩阵和向量）3.2 Addition and scalar multiplication（加法和标量乘法）3.3 Matrix-vector multiplication（矩阵向量乘法）3.4 Matrix-matrix multiplication（矩阵乘法）3.5 Matrix multiplication properties（矩阵乘法性质）3.6 Inverse and transpose

2022-05-09 21:48:13 444

原创吴恩达《机器学习》笔记——第二章《单变量线性回归》

2、Linear regression with one variable（单变量线性回归）2.1 Model representation（模型描述）2.2 Cost function（代价函数）2.5 Gradient descent（梯度下降）2.6 Gradient descent intuition（梯度下降总结）2.7 Gradient descent for linear regression（线性回归的梯度下降）2.1 Model representation（模型描述）这门课程中的符号

2022-05-09 20:38:03 551

原创吴恩达《机器学习》笔记——第一章《介绍》

1、Introduction（介绍）1.2 What is machine learning（什么是机器学习)1.3 Supervised Learning（监督学习）1.4 Unsupervised Learning（无监督学习）1.2 What is machine learning（什么是机器学习)关于机器学习的具体定义没有定论，但大家都知道它是个什么东西。吴恩达在视频中提了两个定义：Arthur Samuel (1959) 和 Tom Mitchell (1998) 给出的定义。吴着重介绍了后者

2022-05-09 14:10:01 422

qq_43572747的博客