![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 94
机器学习
LiyC;
这个作者很懒,什么都没留下…
展开
-
卷积与图像卷积操作
教材上的卷积公式如下图:f(t)代表进水量,表示t时刻进入的水量g(x-t)代表排水量,表示t时刻进入的水量,在x时候还剩多少(%)上面说的只是特殊情况,即使只有三个时间点有进水,而在实际情况下我们的水池是每个时刻都会有进水,所以我们需要累加x时刻之前的每一个时刻的剩余量,得到以下公式:结合两个函数我们有以下分析:以t时刻为例,表示这个时刻刚刚进水还没有开始排,所以对应着g(t)中的A点。而t-1时刻到t时刻已经过去了一个小时,所以在g(t)中对应着B点。以此类推得到下面的图像。原创 2024-07-17 17:28:12 · 619 阅读 · 0 评论 -
欧式空间、傅里叶级数与希尔伯特空间的解释
欧式空间的应用场景很好理解,因为我们生活的就是一个三维的欧式空间,我们想当然的理解的距离,长度,夹角的概念就是欧式空间中距离,范数,內积的定义。那么希尔伯特空间的应用场景呢,希尔伯特空间中的元素一般是函数,因为一个函数可以视为一个无穷维的向量。如果大家熟悉傅里叶变换或者泰勒展开,便能自然的想到这个空间的基底是什么。没错,也是一组无限多的函数。1.欧式空间与希尔伯特空间-CSDN博客。原创 2024-07-16 18:25:17 · 625 阅读 · 0 评论 -
机器学习中的梯度下降
梯度也可以理解为导数。在一维空间中:梯度就是导数,或者说对于一个线性函数,也就是线的斜率。梯度是个向量,自变量沿着该向量的方向变化,函数值变化最快。在机器学习中,为使损失函数下降最快,我们需要让模型参数沿着梯度的负方向更新,即梯度下降。附上图解(简略过程):第一步:计算函数的导数f(x)'第二步:任意选择一个起点,如A点。代入X得出Y',将计算得到的Y'作为新的X,图中对应B点。第三步:对B点重复第二步操作,会得到C、D、F......以此类推。原创 2024-07-16 16:58:36 · 1022 阅读 · 0 评论 -
YOLOV1-V3详细介绍(新手向、超详细)
本文主要是根据我自己的学习情况来进行讲解,以一个初学者的角度进行阐释,如果有更深层次的点没有涉及到,还请大家多多包涵。 目标检测算法比较流行的算法可以分为两类: 一类是基于Region Proposal(候选区域)的R-CNN系算法(R-CNN,Fast R-CNN, Faster R-CNN),它们是two-stage的。需要先使用启发式方法(selective search)或者CNN网络(RPN)产生Region Proposal,然后再在Region Proposal上做原创 2024-06-17 22:03:01 · 1161 阅读 · 0 评论 -
基于pytorch的LSTM模型训练与预测(附源码)
关于这个模型的基本概念可以查看这篇文章,写得很详细,我觉得能大概看明白反向传递各个部分的推导就行了。原创 2024-06-14 15:37:50 · 4955 阅读 · 0 评论 -
朴素贝叶斯分类算法 + python简单样例
贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。。其中}的含义为:对于第i个样本的第j个特征,它的特征值属于特征集j,通过训练集训练出分类模型,然后对输入的实例x进行预测分类。例:其中为第2个样本的第1个特征=1特征集={1,2,3}先验概率(prior probability)是指根据以往经验和分析得到的概率,如 全概率公式 ,它往往作为"由因求果"问题中的"因"出现的概率。计算方法其中N为样本集的数量,表示求和这N个样本中的数量。原创 2024-03-22 14:57:48 · 2474 阅读 · 0 评论