2017年09月_HappyAngel19921027

转载深度学习网络卷积在GPU上的优化

雷锋网(搜索“雷锋网”公众号关注)按：本文转载自英伟达NVIDIA企业解决方案公众号。赵开勇，香港浸会大学计算机系异构计算实验室PhD Candidate，长期从事高性能计算领域研究，在CPU、GPU异构计算方面有多年的研究经验。赵开勇先生组织参与多个科研单位和高性能用户的高性能项目研发，曾担任浪潮GPU高性能计算顾问，曾多次担任NVidia中国CUDA比赛评委。他还曾经组织出版《GPU高性能运

2017-09-23 22:07:08 1244

翻译从决策树到RF，以及boosting Adaboost到GBDT算感悟

一、原因：准备学习一下机器学习中基于树模型的分类与回归算法，变看了很多的算法介绍与论文，同时也找了一些现有的库去运行。最后又设计到级联式回归，自从看了GBDT后才发现其实就是GBDT的一种变种算法。因此一路下来看了不少算法，明白了它们之间的基本关系与算法的简单原理。在此记录一下，以后也方便的查看。二、决策树大类算法：1.决策树：决策树是一种常见的分类与回归模型，主要呈树

2017-09-23 22:01:19 467

转载 C++多态

1. 用virtual关键字申明的函数叫做虚函数，虚函数肯定是类的成员函数。2. 存在虚函数的类都有一个一维的虚函数表叫做虚表。类的对象有一个指向虚表开始的虚指针。虚表是和类对应的，虚表指针是和对象对应的。3. 多态性是一个接口多种实现，是面向对象的核心。分为类的多态性和函数的多态性。4. 多态用虚函数来实现，结合动态绑定。5. 纯虚函数是虚函数再加上= 0。6. 抽象类是指包

2017-09-23 21:32:49 160

转载算法工程师面试

算法工程师面试必备成为算法工程师，应该学习哪些东西首先说算法工程师有几个方向：NLP，推荐，CV，深度学习，然后结合公司业务做得内容各不相同传统机器学习算法：感知机，SVM，LR，softmax，Kmeans，DBSCAN，决策树（CART，ID3，C45），GBDT，RF，Adaboost，xgboost，EM，BP神经网络，朴素贝叶斯，LDA，PCA，核函数，最大熵等

2017-09-17 13:59:18 4699 1

转载 SCI期刊图像处理

刊名简称期刊名称分区影响因子INFORM PROCESSLETTINFORMATION PROCESSING LETTERS40.453J VLSI SIGPROC SYSTJOURNAL OF VLSI SIGNALPROCESSING SYSTEMS FO

2017-09-11 17:08:49 1558

转载 SCI 投稿Cover letter模板大全 (2012-01-12 16:20:30)转载▼ 标签： e-mail 稿号意见修改稿信件杂谈分类： technology 1.第一次投稿Cov

SCI 投稿Cover letter模板大全 (2012-01-12 16:20:30)转载▼标签： e-mail 稿号意见修改稿信件杂谈分类： technology1.第一次投稿Cover letter：主要任务是介绍文章主要创新以及声明没有一稿多投

2017-09-06 21:44:40 1903

转载 SCI 图像处理机器学习

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE SCI IF=4.378ACM TRANSACTIONS ON GRAPHICS SCI IF=3.619IEEE TRANSACTIONS ON MEDICAL IMAGING SCI IF=3.54INTERNATIONAL JOURNAL OF

2017-09-05 11:26:26 1025

转载神经网络的激活函数sigmoid RELU

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？都长什么样？有哪些优缺点？怎么选用激活函数？本文正是基于这些问题展开的，欢迎批评指正！(此图并没有什么卵用，纯属为了装x …)Why use activation functions?激活函数通

2017-09-04 11:34:41 1054

转载机器学习常见模型分析与比较

朴素贝叶斯：　　有以下几个地方需要注意：　　1. 如果给出的特征向量长度可能不同，这是需要归一化为通长度的向量（这里以文本分类为例），比如说是句子单词的话，则长度为整个词汇量的长度，对应位置是该单词出现的次数。　　2. 计算公式如下：　　　　其中一项条件概率可以通过朴素贝叶斯条件独立展开。要注意一点就是的计算方法，而由朴素贝叶斯的前提假设可知， = ，因

2017-09-03 15:43:09 29798 2

转载 xGBoost GBDT

作者：wepon链接：https://www.zhihu.com/question/41354392/answer/98658997来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。xgboost相比传统gbdt有何不同？xgboost为什么快？xgboost如何支持并行？看了陈天奇大神的文章和slides，略抒己见，没有面面俱到，

2017-09-03 15:29:33 202

转载 L0和L1:正则化

1、概念L0正则化的值是模型参数中非零参数的个数。L1正则化表示各个参数绝对值之和。L2正则化标识各个参数的平方的和的开方值。2、先讨论几个问题：1）实现参数的稀疏有什么好处吗？一个好处是可以简化模型，避免过拟合。因为一个模型中真正重要的参数可能并不多，如果考虑所有的参数起作用，那么可以对训练数据可以预测的很好，但是对测试数据就只能呵呵了

2017-09-02 22:46:04 1198

转载 hash冲突解决

虽然我们不希望发生冲突，但实际上发生冲突的可能性仍是存在的。当关键字值域远大于哈希表的长度，而且事先并不知道关键字的具体取值时。冲突就难免会发生。另外，当关键字的实际取值大于哈希表的长度时，而且表中已装满了记录，如果插入一个新记录，不仅发生冲突，而且还会发生溢出。因此，处理冲突和溢出是哈希技术中的两个重要问题。1、开放定址法　用开放定址法解决冲突的做法是：当冲突发生时，

2017-09-02 22:18:09 162

转载 PRC 和ROC

一、指标定义准确率：策略命中的所有相关订单/策略命中的所有订单召回率：策略命中的所有相关订单/所有的相关订单（包括策略未被命中的） F1-score(F1-分数)：2×准确率×召回率/（准确率+召回率），是模型准确率和召回率的一种加权平均，它的最大值是1，最小值是0。（详细介绍见下） ROC:ROC曲线的横坐标为false positive rate（FPR,假正率），纵坐标为true

2017-09-02 21:47:18 6247

u010398562的博客