自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

昔风不起，唯有努力生存！

自主移动机器人、强化学习、示教学习、路径规划

  • 博客(4)
  • 资源 (8)
  • 收藏
  • 关注
全部文章> 2019年11月
排序：
按最后发布时间
按访问量
RSS订阅
12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 01月

原创 特征学习：学习之海中的遗珠

特征学习属于特征工程范畴，它是获取将数据转换到新空间的模型的算法。

2019-11-27 15:10:21 1163 3

原创 从主成分分析到发育网络的核心算法CCIPCA-CCILCA

在写《特征学习：学习之海中的遗珠》过程中，发现内容太多，已经超过单篇博客的承载能力，另外里面几个内容都有各自己额外的主题。因此，本人将《特征学习：学习之海中的遗珠》第二节（介绍几个经典的特征学习方法）中能够独立成篇的3个小节单独提出形成三篇对应的博客。本篇对应第1小节：从主成分分析到发育网络的核心算法。1.写在前面PCA可以用来解决的问题【Andrew Ng曾在讲PCA时提到过】：1）减...

2019-11-27 14:59:23 1399

翻译 度量学习系列（3）：弱监督度量学习

弱监督度量学习算法利用比有监督度量学习较弱的数据点信息。与有监督度量学习算法不同，弱监督度量学习利用相似或不相似的数据点构成的元组来学习，而不是直接利用有标签的数据来学习。1. 通用API1.1 输入数据下面将介绍元组，元组可以是对，三元组，四元组等，不同的度量学习算法所需的元组形式不同。1.1.1 基本形式每个弱监督算法都以元组作为输入，如果需要的话，还需要为这些元组添加标签（语义...

2019-11-23 11:27:06 1388 1

翻译 度量学习系列（2）：有监督度量学习

有监督度量学习算法利用输入点xxx与目标标签yyy作为来学习一个距离矩阵，这个距离矩阵拉近同类别的点（分类问题）或者目标值邻近的点（回归问题）的距离，并使不同类别或目标值相差大的点的互相远离。1. 通用API有监督的度量学习算法实质上利用了与scikit-learn相同的应用程序接口（API）。1.1 输入数据为了训练一个模型，我们需要两个array-like对象：XXX与yyy。XX...

2019-11-01 10:22:44 2500

protobuf.tar.xz
与本人博客https://blog.csdn.net/u013468614/article/details/107935741配套示例程序

2020-08-12

deepbayes-2018-day6
深度学习贝叶斯，这是一份密集的6天速成课程中的第六天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

deepbayes-2018-day5
深度学习贝叶斯，这是一份密集的6天速成课程中的第五天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

deepbayes-2018-day4
深度学习贝叶斯，这是一份密集的6天速成课程中的第四天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

deepbayes-2018-day3
深度学习贝叶斯，这是一份密集的6天速成课程中的第三天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

deepbayes-2018-day2
深度学习贝叶斯，这是一份密集的6天速成课程中的第二天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

deepbayes-2018-day1
深度学习贝叶斯，这是一份密集的6天速成课程中的第一天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故按每天归档上传。

2018-09-08

美的空调遥控全解码
美的空调遥控器的红外编码规则，全解码。你可以利用这个开发学习型红外遥控器，也可以自己设计相关应用。

2014-04-15

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除