算法
文章平均质量分 68
P柒
这个作者很懒,什么都没留下…
展开
-
异常检测算法
距离检测算法:K-center基于距离的方法是基于下面这个假设:即若一个数据对象和大多数点距离都很远,那这个对象就是异常。基于距离的方法比基于统计类方法要简单得多;因为一个数据集合定义一个距离的度量要比确定数据集合的分布容易的多。该方法通常要为数据对象定义一个异常分,最简单的定义方法是用数据对象与最近的K个点的距离之和。很明显,与K个最近点的距离之和越小,异常分越低;与K个最近点的距离之和越大,异常分越大。我们设定一个距离的阈值,异常分高于这个阈值,对应的数据对象就是异常点。算法实现:给定一个点集原创 2022-05-10 16:29:38 · 266 阅读 · 0 评论 -
优化器的作用
优化器的作用:用来更新和计算影响模型训练和模型输出的网络参数,使其逼近或达到最优值,从而最小化(或最大化)损失函数。在深度学习中,几乎所有流行的优化器都基于梯度下降。这意味着他们反复估计给定的损失函数L的斜率,并将参数向相反的方向移动(因此向下爬升到一个假设的全局最小值)。优化器的选择方法:https://www.cnblogs.com/guoyaohua/p/8542554.htmlSGD我们将使用以下符号:用w表示参数,用g表示模型的梯度,α为每个优化器的全局学习率,t为时间步长。Stoch原创 2022-05-08 16:52:45 · 5089 阅读 · 0 评论 -
实例分割、语义分割与全景分割的区别
文档来源: https://wap.sciencenet.cn/blog-3428464-1280762.html目前的分割任务主要有三种:①像素级别的语义分割;②实例分割;③全景分割(1)语义分割 (semantic segmentation)通常意义上的目标分割指的就是语义分割,图像语义分割,简而言之就是对一张图片上的所有像素点进行分类,即对图像中的每个像素都划分出对应的类别,实现像素级别的分类。举例说明:语义分割(下图左)就是需要区分到图中每一点像素点,而不仅仅是矩形框框住了。但是同一物体的不转载 2022-05-08 16:23:42 · 764 阅读 · 1 评论