- 博客(4)
- 资源 (5)
- 收藏
- 关注
RSS订阅转载 MACHINE LEARNING - 《A FEW USEFUL THINGS TO KNOW ABOUT MACHINE LEARNING》读后总结
Learning = Representation + Evaluation + Optimization学习 = 表示 + 评价 + 优化，这没什么可说的了。表示方法确定了你能表示的空间是哪些，取决于你的问题是什么。而评价函数为你的优化过程提供方向，其实就是一种衡量，衡量你现在的状况：好，有多好；坏，有多坏，而且通常都用你的失真程度来衡量(J(theta) = 预测值 - 实
2016-12-20 16:27:53
384
转载 深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器
作者： 寒小阳 时间：2015年11月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/49999299 声明：版权所有，转载请注明出处，谢谢。1. 线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题，同时提出了一种简单的解决方法——KNN。然后我们也看到了KNN在解决这个问题的时候，虽然实现起
2016-12-19 20:36:34
459
转载 Deep Learning vs Machine Learning vs Pattern Recognition
Deep Learning vs Machine Learning vs Pattern RecognitionLets take a close look at three related terms (Deep Learning vs Machine Learning vs Pattern Recognition), and see how they relate to
2016-12-16 16:17:20
886
转载 From feature descriptors to deep learning: 20 years of computer vision
We all know that deep convolutional neural networks have produced some stellar results on object detection and recognition benchmarks in the past two years (2012-2014), so you might wonder: what did t
2016-12-16 15:58:57
337
The Book of Why: The New Science of Cause and Effect《为什么：因果关系的新科学》
2019-01-05
复可视化方法
2018-09-29
《定量遥感》梁顺林著
2018-09-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人