xc_bnu-CSDN博客

当步长大于1时，有时会出现边界问题，到底是扩充还是舍去：padding为SAME模式时，先对原图像进行填充，再做卷积，填充值须根据卷积核大小及滑动步长决定，当滑动步长大于1时：填充数=K-I%S（K:卷积核边长，I：输入图像边长，S：滑动步长），滑动步长为1时，直接卷积核边长减1，当差偶数个元素是首尾各补一半，差奇数个时前边补奇数个，后边补偶数个padding为VALID模式时，很简单粗暴直接从原...

2018-07-15 22:23:52 3660

原创激活函数

1. Sigmoid非线性f(x)=11+e−x能够把输入的连续实值“压缩”到0和1之间缺点：容易出现饱和性2. tanh非线性tanh(x)=2sigmoid(2x)−1能够把输入的连续实值“压缩”到-1和1之间缺点：容易出现饱和性3. ReLU非线性f(x)=max(0,x)能够把输入的连续实值输出到0和正无穷之间缺点：当x小于0时，会出现饱和性4. Leaky-ReLU为了缓解饱和性f(x)...

2018-07-10 15:10:34 172

原创第2章感知机

2.1 感知机模型：f(x)=sign(w*x+b) w*x+b=0 超平面2.2 学习策略目的：找出无穷多个超平面中的一个能线性可分的超平面，即模型f(x)=sign(w*x+b)经验风险：误分类的数据 min L(w,b)=−∑xiϵMyi(w∗x0+b)2.3 学习算法目的：提供算法求出使损失函数极小时的w、b，及确定感知机模型算法：...

2018-07-10 14:07:50 156

原创第5章决策树

5.1 决策树模型与学习5.2 特征选择目的：选取的特征对训练数据有分类作用特征选择的准则：信息增益或信息增益比信息增益：输入对训练数据分类不确定性减少的程度，信息增益越大越好 g(D,A)=H(D)-H(D|A)信息增益比：5.3 决策树的生成1）ID3算法求所有特征关于训练数据的信息增益，选最大值作为当前结点叶子结点：当前结点将训练数据划...

2018-07-10 14:07:30 308

原创第4章朴素贝叶斯法

4.1 朴素贝叶斯法的学习与分类先验概率：p(Y)后验概率：p(Y|X)4.2 朴素贝叶斯法的参数估计后验概率中有p(Y)、p(X|Y)要学习：1）极大似然估计用“指示函数平均化”2）学习和分类算法用1）中的计算方法来学习用公式4.7来分类3）贝叶斯估计加一个正数...

2018-07-09 10:03:35 110

原创第3章 k近邻法

3.1 k近邻算法简单而言：与x最邻近第k个点，在这k个点中找出最多个数点，则x属于最多点属于的类3.2 k近邻模型1）k值的选择一般选一个比较小的数值，通常采用交叉验证法选取最优k值2）分类决策规则多数表决规则，等价于经验风险最小化3.3 k近邻法的实现：kd树1）构造kd树见例3.2：选择维度分隔2）搜索kd树见例3.3：找到一个叶子节点，画圆，...

2018-07-08 15:43:52 129

原创第1章统计学习方法概论

模型（无穷多个）------->策略（选择最优模型）------->算法（生成最优模型）1）策略（选择最优模型）损失函数（经验风险）：正则化（结构风险）：交叉验证（结构风险）：2）算法（生成最优模型）生成方法：条件概率分布判别方法：...

2018-07-07 19:21:18 124

论文分析--《基于深度学习的人脸表情识别算法研究_宋新慧》

1.摘要：文章中提出的算法：1）针对静态的图像：细节感知迁移网络数据集：CK+；Kaggle2）针对视频序列：利用多任务学习的递归神经网络数据集：I-PFE2.本文工作：1）基于细节感知迁移网络的人脸表情识别：传统特征提取方法存在的问题：光照、角度等影响解决问题的方法：对抗网络（扩充数据集）+细节感知迁移网络（卷积神经网络）2）基于视频序列的多任务递归神经网络结构：编码网络...

2018-06-21 11:27:48 5073 1