scyer123-CSDN博客

原创 Facial Expression Recognition Using KCCA

在每个面部图像标记34个特征点，利用Gabor变换提取特征，形成一个labeled graph(LG) vector,代表了面部图像的特征。对于每个训练的面部图像，the semantic ratings describing the basic expressions are combined into a six-dimensional semantic expression vector.这样

2015-09-22 14:28:33 766

原创机器学习资料库

深度学习解密最接近人脑的智能学习机器——深度学习及并行化实现深度神经网络DNN的多GPU数据并行框架及其在语音识别的应用深度卷积神经网络CNNs的多GPU并行框架及其在图像识别的应用 deeplearning-tutorial Rachel Zhang-无监督特征学习用NN实现数据降维三类深度学习网络深度学习、机器学习、计算机视觉资料 Ng的deep learnin

2015-06-03 10:58:24 559

原创 MRF; BM; RBM

Markov Random Field 详细资料见Bishop的Pattern recognition and Machine Learning Graphic Model分为有向图模型和无向图模型，无向图模型也叫做Markov networks 或 Markov random field. 我们以简单的Markov network，pairwise Markov networks来说明 M

2015-05-27 22:04:14 703

原创 Reducing the Dimensionality of Data with Neural Networks

2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton发表的这篇文章引起了深度学习的狂潮，使得深度学习死灰复燃。1、在数据降维中，可以利用多层神经网络。梯度下降法是传统的参数训练方法，但是当初始条件接近于最优解时，梯度下降方法得到的参数较为合理。本文中描述了一种更有效的初始化的方法(逐层初始化，layer-wise pre-training)。上面这段话来自论文的摘要

2015-05-26 16:03:09 1315

原创 Support Vector Machines for Multiple-Instance Learning

引用次数700+ 文章中利用SVM解决multiple-instance learning问题，提出了mi-SVM及MI-SVM算法。1、什么是multiple-instance learning？ Multiple-instance learning (MIL) is a variation on supervised learning. Instead of receiving a set

2015-05-24 10:18:06 2683