机器学习
文章平均质量分 92
数据科学小白
这个作者很懒,什么都没留下…
展开
-
A new point containment test algorithm based on preprocessing and determining triangles
点是否在体内翻译 2022-10-25 10:19:23 · 253 阅读 · 0 评论 -
LSTM 总结
RNNRNN之所以有记忆,是因为在每个t完成后,其产生的结果会在下一个t开始时,于X一起输送给RNN运算,相当于输入中包涵了之前所有t的精华。普通RNN不仅仅是一个tanh层遗忘门作用对象: 细胞状态作用:将细胞状态中的信息选择性的遗忘,决定应丢弃或保留哪些信息。来自前一个隐藏状态的信息和当前输入的信息同时传递到sigmoid函数中,输出0-1之间的数。函数中输入门作用对象:细胞状态作用:将新的信息选择性的记录到细胞状态中。首先将前一层隐藏状态的信息和当前输入的信息传递到sig..原创 2020-09-20 15:48:28 · 308 阅读 · 0 评论 -
pix2pixHD
主要问题:利用GAN生成高分辨率图像很困难;在高分辨率结果中确实量细节;pix2pix使用UNET作为生层漆,使用券链接网络作为判别器。提高分辨率使用一个粗到精的生成器,一个多尺度判别器和一个鲁棒的目标函数。粗到精的生成器将生成器分解为两个子网络:G1,G2G_1,G_2G1,G2,我们称G1G_1G1为全集生成网络,G2G_2G2为局部提升网络。多尺度判别器分为 D1,D2,D3D_1,D_2,D_3D1,D2,D3,具体来说,我们对真实图像和合成图像进行2倍和4 倍的.原创 2020-09-17 14:33:24 · 384 阅读 · 0 评论 -
点云目标检测
采集3600360^03600的数据为一帧,最多包涵32*(360/0.2)=57600.水平32条线,转动角分辨率0.2。但是由于天空等无法获得点云,实际得到约40000个点。VoxelNet:两个过程:Voxel Feature Extraction 提取特征。第二个是目标检测过程。两个问题:三维卷积复杂度高,voxedl数量大会引入错误。PointNet++尝试通过聚类建立点与点的拓扑,在聚类中心学习特征。问题:点云中很难根据一个点确定物体的中心。鸟瞰图把不同高度点云的特征信息转.原创 2020-09-17 12:46:36 · 2818 阅读 · 0 评论 -
时间序列
依均方收敛E∣∣Zn−Z∣∣2→0E||Z_n-Z||^2\rightarrow0E∣∣Zn−Z∣∣2→0依概率收敛Pr[∣∣Zn−Z∣∣>ϵ]→0Pr[||Z_n-Z||>\epsilon]\rightarrow 0Pr[∣∣Zn−Z∣∣>ϵ]→0或Pr[∣∣Zn−Z∣∣<ϵ]→1Pr[||Z_n-Z||<\epsilon]\rightarrow 1Pr[∣∣Zn−Z∣∣<ϵ]→1可以记为Zn−Z=OP(1)Z_n-Z=O_P(1)Zn−Z=OP(原创 2020-09-05 18:11:08 · 257 阅读 · 0 评论 -
矩阵表示的经典线性回归模型
假设线性{Yt,Xt′}\{Y_t,X_t'\}{Yt,Xt′}是一个可观测的随机样本,且Yt=Xt′β0+εt,t=1,..,nY_t=X_t'\beta^0+\varepsilon_t,t=1,..,nYt=Xt′β0+εt,t=1,..,n严格外生E(εt∣X)=0E(\varepsilon_t|X)=0E(εt∣X)=0矩阵XXX包含所有的自变量向量X1,X2,....原创 2020-03-14 20:14:50 · 1598 阅读 · 0 评论 -
Notes: Likelihood Estimation for Normal Distribution
The logarithm of the likelihood function(L) for estimating the population mean and variance for an i.i.d normal sample is as follows:L=−n2log(2πσ2)−12σ2∑(Yi−μY)2L=-\frac{n}{2}log(2\pi \sigma^2)-\frac...原创 2020-01-14 19:04:15 · 700 阅读 · 0 评论 -
笔记:二元Probit与Logit模型
二元离散选择模型的建立Yi=Xiβ+μiY_i=X_i\beta+\mu_iYi=Xiβ+μi二元选择下,Yi=0,1Y_i=0,1Yi=0,1。E(μi{\rm E}(\mu_iE(μi)=0,所以E(Yi{\rm E}(Y_iE(Yi)=XiβX_i \betaXiβ。易知,E(Yi)=P(Yi=1)=Xiβ{\rm E}(Y_i)=P(Y_i=1)=X_i\betaE(Y...原创 2020-01-14 11:00:42 · 11396 阅读 · 0 评论