机器学习
文章平均质量分 71
张骞晖2
Focus on Machine Learning and Computer Vision。
展开
-
Coursera 的机器学习 (Andrew Ng) 课程 视频百度云
关于视频资源的几个问题1.视频来自哪里?视频本题主从 youtube下载.2.视频为什么不全?2016/9/17包括了第一周的视频。以后会再次更新。视频下载地址链接:http://pan.baidu.com/s/1miJbkPq 密码:6p7u原创 2016-09-17 18:24:09 · 25394 阅读 · 6 评论 -
机器学习是深度学习之母
博主不才,研究深度学习有一段时间,主要专注CV领域。本科期间学习了机器学习的一些算法,用SVM做的人脸识别的工作,之后又去中科院实习,用深度学习来做人脸识别。所以,从传统算法,到深度,这个过程,我是深深体会到的。单从CV领域,尤其是二维方面的工作,卷积神经网络取得的成果,让我深深感到传统算法的无力。总的来说,深度学习算法是近几年机器学习革命般的成果。举个例子,很明显的对于传统算法很困难的LFW人脸数原创 2016-10-19 09:29:16 · 1832 阅读 · 0 评论 -
实例分析神经网络传播过程
神经网络简介博客主要内容神经网络框架神经网络前向传播实例神经网络反向传播实例总结引用一.神经网络简介今天,神经网络(nerual networks)已经是一个相当大的、多学科交叉的学科领域[1]。它不能用简单的用“一个算法”,“一个框架”,来总结它的内容。从早期神经元(neuron),到感知器(Perceptron),再到Bp神经网络,然后到今天的深度学习(deep learning)原创 2016-11-01 23:03:08 · 1472 阅读 · 0 评论 -
Convolution Networks 和Deconvolution Networks
一.卷积的概念卷积是分析数学中的一种重要运算,英文convolution。需要注意的是,以下我们考虑都是离散情况下的卷积操作。从概念上说,卷积是线性情况的下的滤波处理,性滤波处理经常被称为“掩码与图像的卷积”[1]。具体的操作则是,卷积是两原创 2016-11-24 12:47:44 · 12022 阅读 · 2 评论 -
对抗神经网络之对抗卷积神经网络[2]
上一篇博文[1]简单介绍了对抗网络的理论和大概流程。其中所谓的对抗网络可以归结为unsupervised learning 或者 generative model。从无监督学习来进行feature representation,有k-means聚类算法,auto-encoders[2],以及09年的Deep belief networks等等。原创 2016-12-13 16:53:24 · 17893 阅读 · 9 评论 -
对抗网络之PG-GAN,无条件下生成更真实的人脸图像[3]
GAN在2015年DCGAN[1]论文提出之后,开始迅速的被关注和被应用到各个领域。比较有影响力的应用,比如Image translation; Image Inpainting; Face image manipulation 以及 Semi-supervised learning等。原创 2017-12-24 16:56:03 · 30335 阅读 · 12 评论