- 博客(6)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 三十分钟理解：线性插值，双线性插值Bilinear Interpolation算法
在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值
2017-03-25 00:20:40
172321
21
原创 深度学习方法（十一）：卷积神经网络结构变化——Google Inception V1-V4，Xception（depthwise convolution）
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、机器学习技术感兴趣的同学加入。上一篇讲了深度学习方法（十）：卷积神经网络结构变化——Maxout Networks，Network In Network，Global Average Pooling，本篇讲一讲Google的Inception系列net，以及
2017-03-15 23:30:28
25173
1
原创 深度学习方法（十）：卷积神经网络结构变化——Maxout Networks，Network In Network，Global Average Pooling
本文先介绍两个13，14年的工作：Maxout Networks，Network In Network。网上有不少资料，但是很多作者我相信自己都没有完全理解，在本文中我会尽可能描述清楚。本文重点在于Network In Network。本文针对论文和网络资料的整理，自己重新撰写，保证每一个初学者都可以看懂。
2017-03-11 16:52:54
19397
13
原创 ISSCC 2017论文导读 Session 14:A 288μW Programmable Deep-Learning Processor with 270KB On-Chip Weight
A 288μW Programmable Deep-Learning Processor with 270KB On-Chip Weight Storage Using Non-Uniform Memory Hierarchy for Mobile Intelligence单位：Michigan，CubeWorks（密歇根大学，CubeWorks公司）又是一款做DNN加速的面向IOT的专用芯片，主要
2017-03-08 23:03:27
3291
原创 [重磅]Deep Forest，非神经网络的深度模型，周志华老师最新之作，三十分钟理解！
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。深度学习最大的贡献，个人认为就是表征学习（representation learning），通过端到端的训练，发现更好的features，而后面用于分类（或其他任务）的输出function，往往也只是普通的softmax（或者其他一些经
2017-03-06 00:03:08
25082
5
原创 三十分钟理解计算图上的微积分：Backpropagation，反向微分
神经网络的训练算法，目前基本上是以Backpropagation (BP) 反向传播为主（加上一些变化），NN的训练是在1986年被提出，但实际上，BP 已经在不同领域中被重复发明了数十次了（参见 Griewank (2010)[1]）。更加一般性且与应用场景独立的名称叫做：反向微分 (reverse-mode differentiation)。本文是看了资料[2]中的介绍，写的蛮好，自己记录一下，
2017-03-04 22:33:04
9962
4
A disciplined approach to neural network hyper-parameters Part I
2020-02-09
Matplotlib.ipynb
2020-02-08
Reinforcement Learning an Introduction，2018最新版（第二版）
2018-01-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人