2013年09月_既然如此

12月 11月 10月 09月 08月

转载卷积神经网络

卷积神经网络目录(?)[+]深度神经网路已经在语音识别，图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第二篇，讲讲经典的卷积神经网络。我不打算详细描述卷积神经网络的生物学运行机理，因为网络上有太多的教程可以参考。这里，主要描述其数学上的计算过

2013-09-27 17:17:29 3326 4

转载数据挖掘中易犯的几大错误

数据挖掘中易犯的几大错误（转）文章转自丕子原文来自：http://database.ctocio.com.cn/200/12153200.shtml===按照Elder博士的总结，这几大易犯错误包括：缺乏数据(Lack Data)太关注训练(Focus on Training)只依赖一项技术(Rely on One

2013-09-05 20:19:30 1488

转载深度学习

原文地址：learning)" style="text-decoration:none; color:rgb(40,100,70)">关于深度学习(deep learning)作者：zerocv说起对深度学习的了解，是在今年10月份看了Stanford University的计算机科学家Andrew Y. Ng教授在Google的一个演讲视频开始的，看了之后还以为就是以前所说的arti

2013-09-05 09:52:29 1859

原创 python opencv 读图程序

import numpy as npimport cv2def show(): fn = 'd:/3.jpg' img = cv2.imread(fn) cv2.imshow('src', img) cv2.namedWindow('src') show()while True: ch = cv2.waitKey()

2013-09-04 20:21:53 2232

原创 emgu cv 在WPF上显示图像

xmal页代码<Window x:Class="显示图片.MainWindow" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml" Title="MainW

2013-09-01 16:08:17 5206 7

转载学习新技术的10个建议

我们生活在一个振奋人心的时代。我们可以越来越方便廉价地获得大量学习资源。这些资源的传播载体由最初的教室被变成了博客，技术论坛等。坐拥如此众多的学习资源，我们没有任何理由不去好好利用。随之而来的问题便是如何在这知识的海洋中选择自己的前进方向。在这篇文章中，我将简要概括一些技术学习的建议，希望可以给你带来一些启发。尽管我的建议主要涉及的是软件开发方面，但是这些原则在其他领域也同样适

2013-09-30 11:03:24 963

原创比较一下numpy.math和Python标准库的math.sin的计算速度

我用下面这个小程序，比较了一下numpy.math和Python标准库的math.sin的计算速度：import timeimport mathimport numpy as npx = [i * 0.001 for i in xrange(1000000)]start = time.clock()for i, t in enumerate(x):x[i] = math

2013-09-26 20:04:31 8817

原创 Deep Learning (Python, C/C++, Java) matlab

深度学习相关模块源码：https://github.com/yusugomori/DeepLearningClasses :DBN: Deep Belief NetsCDBN: Deep Belief Nets w/ continuous-valued inputsRBM: Restricted Boltzmann MachineC

2013-09-26 18:59:39 2905

原创使用LINQ技术对XML文件进行读取

using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;using System.Drawing;using System.Linq;using System.Text;using System.Windows.Forms;using System.IO;

2013-09-24 22:51:08 998

转载 SVD分解的理解

SVD分解的理解 SVD分解（奇异值分解），本应是本科生就掌握的方法，然而却经常被忽视。实际上，SVD分解不但很直观，而且极其有用。SVD分解提供了一种方法将一个矩阵拆分成简单的，并且有意义的几块。它的几何解释可以看做将一个空间进行旋转，尺度拉伸，再旋转三步过程。首先来看一个对角矩阵，几何上, 我们将一个矩阵理解为对于点 (x, y) 从

2013-09-23 09:58:11 1051

转载 Softmax回归

Softmax回归在本节中，我们介绍Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的，不过后面也会介绍它与深度学习/无监督学习方法的结合。（译者注： MNI

2013-09-22 09:23:25 1959

原创 python 2.7.5+ wxpython安装

先去网站下载 http://www.wxpython.org/download.php#stablewxPython2.8-win32-unicode-py27 安装包一键安装后添加如下命令：import wxversionwxversion.select("2.8-unicode") #版本import wx

2013-09-17 21:51:28 5497

原创 python 读取摄像头

读取摄像头import cv2import cv2.cv as cvimport timeif __name__ == '__main__': cv.NamedWindow("camera",1) capture = cv.CaptureFromCAM(0) while True: img = cv.QueryFrame(ca

2013-09-15 20:53:13 4726

原创反向传导算法及用反向传导思想求导

反向传导算法点击打开链接用反向传导思想求导点击打开链接

2013-09-13 11:40:08 1241

转载用Deep Learning进行交通标志识别获得比人工识别更低的错误率

用Deep Learning进行交通标志识别获得比人工识别更低的错误率2013年09月11日 ⁄ 机器学习, 机器视觉, 行业新闻 ⁄ 这项成果来自 Juergen Schmidhuber。他们在ICJNN交通标志识别比赛中，使用深度神经网络学习的方式，竟然获得了比人工识别还低的错误率。这项研究是由Dan Claudiu Cireșan & Ueli Me

2013-09-11 10:04:37 4773

转载 Gibbs Sampling for the Uninitiated (Gibbs采样算法)

Reading Note : Gibbs Sampling for the Uninitiated 这几天较空总算把《Gibbs Sampling for the Uninitiated》看明白了点，看完这个对其他模型的 Gibbs Sampling 感觉应该是不会有大问题了，之后可以再仔细看看《Parameter estimation for text analysi

2013-09-10 08:46:53 1954

转载 windows OpenCV 2.3.1 Python 2.7(2.75)配置

windows OpenCV 2.3.1 Python 2.7配置1 .下载 OpenCV 2.3.1 。文中下载了OpenCV-2.3.1-win-superpack (大概124MB,解压后1G多)。他不需编译，使用方便下载地址 2. OpenCV-2.3.1-win-superpack.exe是自解压文件，直接运行。即可解压。默认解压到ope

2013-09-08 15:55:38 951

转载 40多个关于人脸检测/识别的API、库和软件

(转)40多个关于人脸检测/识别的API、库和软件本文转自伯乐在线自从谷歌眼镜被推出以来，围绕人脸识别，出现了很多争议。我们相信，不管是不是通过智能眼镜，人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性。为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别API。希望有所帮助！Face Recognition - 拉姆达实验室斯蒂芬弄

2013-09-05 19:50:51 1788

原创栈

stack.h slist.h（见队列）#ifndef _STACK_H_INCLUDED#define _STACK_H_INCLUDED#include "slist.h"templateclass Stack {public: Stack() : hb_slist() {} ~Stack() {} bool empty() const { return hb

2013-09-02 17:58:56 704

原创队列

"slist.h"#ifndef _SLIST_H_INCLUDED#define _SLIST_H_INCLUDED#include templatestruct Slist_node { T element; Slist_node* next; Slist_node() : element(), next(0) {} explicit Slist_node(const

2013-09-02 17:26:01 684