![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 90
Blssel
关注Deep Learning,Action Recognition,Video Understading,Tensorflow等,有任何学习上的问题欢迎大家发邮件和我交流:yinzhiyu17@mails.ucas.ac.cn
展开
-
带你零公式理解神经网络
带你零公式理解神经网络此文不是系统的教学性质文章,所以没有从头讲神经网络的原理,本文主要是想给那些已经学习了感知机,了解人工神经网络的结构,但对神经网络仍然没有形成概念的同学从认知上理解神经网络,为后来更好的理解梯度下降,反向传播算法(BackPropagation)以及后续的CNN,RNN,RL,Gan等打下一点点基础。原创 2017-07-12 19:59:01 · 473 阅读 · 0 评论 -
理解逻辑回归——第0重境界
逻辑回归(Logistic Regression)Motivation逻辑回归其实是使用回归算法的分类算法!上来绕死自己算了。拆开来说,他本身是用来做分类的(即是一个分类算法),但其实是用的回归算法来间接达到分类目的。首先考虑一个问题,线性回归(包括多项式回归)可以用来做分类吗?答案其实是可以的,但这样做不好!不好在哪里?我们来看一个例子(盗图自Ng课件):对于分类问题,xxx对应的yyy值只...原创 2019-06-19 15:33:44 · 157 阅读 · 0 评论 -
异常行为检测阅读笔记:Real-world Anomaly Detection in Surveillance Videos
前沿这篇仍然是以前写的,CVPR2018关于异常行为检测的文章。这篇文章比较特殊,因为它打破了以往异常行为检测默认的无监督套路,对异常行为进行了人为定义,即规定了几个需要检测的异常行为,而且都是在日常生活中比较常见的,并给出了一个他们自己构建的真实监控场景下的异常行为检测数据库。这个数据库明确规定了一些需要检测出来的异常行为,而且其构建方法也比较讨巧,即仅仅告知某段视频中存在某种异常,而不标注异...原创 2019-03-21 17:56:27 · 12619 阅读 · 3 评论 -
深入理解——召回率(recall) 准确率(precision) 精度(accuracy) 错误率(error)
精度和错误率这个最常用,用在常见的分类任务中,比如有鸡,鸭,鹅,狗,猫若干,让模型一一回答他们的类别,见到扁嘴脖子长还会嘎嘎叫的,回答为鸭,预测正确,否则回答错误。最后 (回答正确个数) 除以 鸡鸭鹅狗猫总数 = 精度. ![1](img src=”https://img-blog.csdn.net/20180811184601314?watermark/2/text/aHR0cHM6Ly9...原创 2018-08-11 19:05:06 · 10699 阅读 · 1 评论 -
Dropout技术及理解
dropout技术过拟合是Deep Neural Networks(DNN)网络存在的问题之一。过拟合的特点是模型对训练数据的拟合非常好,但对测试数据的拟合却非常差,具体表现为loss和在训练集上的错误率非常低,而在验证集或测试集上却都要高很多。针对解决过拟合问题设计出来的方法很多,dropout就是其中一种最简单,也是最有效的方法。如何使用Dropout?在训练DNN网络的过程中,对于每...原创 2018-07-19 17:11:56 · 4765 阅读 · 3 评论 -
卷积神经网络之GoogleNet
小组成员:成员一:姓名:* 学号:2017*********成员二:姓名:* 学号:2017**********本文是UCAS模式识别与机器学习某一次调研作业,共分为3篇博客,此为其一,作业相关代码托管在GitHub上,如需查阅相关代码,可通过网址https://github.com/Blssel/TF-learing/tree/master/prml_co...原创 2018-07-19 17:01:16 · 483 阅读 · 0 评论 -
卷积神经网络之ResNet: Deep Residual Learning for Image Recognition论文阅读笔记 (附tensorflow代码解读)
小组成员:成员一:姓名:* 学号:2017*********成员二:姓名:* 学号:2017**********本文是UCAS模式识别与机器学习某一次调研作业,共分为3篇博客,此为其一,作业相关代码托管在GitHub上,如需查阅相关代码,可通过网址https://github.com/Blssel/TF-learing/tree/master/prml_co...原创 2018-07-19 16:50:48 · 670 阅读 · 0 评论 -
图网络之——Graph Memory Networks
Graph Memory Networks for Molecular Activity PredictionIntroductiongraph(图)作为一种数据结构,能够表达非常复杂的关系,比如社交关系网络,见下图。充分挖掘graph中蕴含的知识,是一个非常challenging的任务,已有的方法像 kernel-based method运用到大量数学知识,值得学习一下,但在dee...原创 2018-07-17 20:07:45 · 6894 阅读 · 2 评论 -
Tensorflow TFRecords及多线程训练详解
先修知识——protocol bufferprotocol buffer的使用将数据集转化成TFRecords形式读取数据TF多线程机制参考也可移步my github查看先修知识——protocol bufferTF框架中多处使用了protocol buffer,protocol buffer全称Google Protocol Buffer,简称Proto...原创 2018-03-16 10:46:44 · 2470 阅读 · 1 评论 -
论文笔记C3D:Learning Spatiotemporal Features with 3D Convolutional Networks
思考对视频进行描述,其描述子必须:1.具有普遍性以适应各种场景;2.必须短小紧凑3.必须利于计算4.必须易于实现图像识别中,特征提取的很完备和优秀,但不适用于视频。本文致力于利用3D CNN提取时空特征。我们只用线性分类器来分类它们,以验证特征好坏。并且这些特征可以被拿来做各种视频分析任务,无需针对任务再调整模型(就笔者知道的,包括video caption, temporal action det原创 2018-03-23 10:51:53 · 1708 阅读 · 2 评论 -
理解反向传播(BackPropagation)算法(之一)
我们今天要讨论的话题——神经网络的训练方法之入门式启发原创 2017-07-13 14:22:42 · 1494 阅读 · 0 评论