zyflhh1314的博客

English speaking and writing------基础很重要，一定要注意语法、句子结构组成，养成英文思维方式，提高语言能力，进一步提高口译interpretation能力。1. Grammar语法时态很重要！！！一般现在时：do/does一般过去时：did一般将来时：be going to do现在进行时：be doing现在完成进行时：have/has been doing 标志词 最近For examples:What have you been doing? 你

贝叶斯网络分析软件Netica使用方法软件介绍Netica软件是由NORSYS software corp.出品，是目前世界上应用最广泛的贝叶斯网络分析软件，以简单、可靠、高效的目的开发软件。它是世界上著名的大公司、政府机构作为决策工具，广泛应用于商业、工程、医药和生态分析。软件界面软件打开界面如下，功能栏中很多功能键都是灰色的，此时不能用。左下角的Netica messages会记录在Netica里面的操作过程。首先进行贝叶斯网络分析，需要构建网络network，方法有3种：File–New

SPSS软件界面描述IBM SPSS是目前常用的一种统计分析软件，SPSS（Statistical Product and Service Solutions）是统计产品和服务解决方案软件，操作简单，无需写代码，只需确定要分析的数据及之间的因变、自变关系，以及需要做单因素、多因素、混合等分析即可。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响

Pytorch安装方法pip安装是最常用的安装方法，用pip install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whlpip install https://download.pytorch.org/whl/cu90/torchvision-0.3.0-cp36-cp36m-win_amd64.whl若出现报错，可以考虑是否是pip需要升级，或者是其他环境Anconda问题。python

模型训练网络模型构建好后，需要利用训练数据不断进行学习训练来降低loss 提高模型性能 使得最后得到的结果误差尽可能小，尽可能满足需要一个成熟合格的深度学习训练流程要满足：（1）在训练集上进行训练并在验证集上进行验证（2）模型可以保留最优权重，并读取权重（3）记录下训练集和验证集的精度，便于调参构建验证集训练过程是容易出现过拟合的，也就是模型过多的学习了数据比较细枝末节的特征，而不是该类的特征，即不具备普遍性的特征，此时模型就会出现过拟合现象而在训练过程中要保证模型的改变不接触测试集..

推荐大家一个神奇的网站，可以找到最新论文的开源代码，再也不用担心论文复现工作。网站如下：https://www.paperswithcode.com/sota名字就是papers with code，大家直接去搜度娘也可以。进入之后的主界面很清晰，各种不同分类和内容：分类非常清晰，使用非常方便，科研利器。...

CNN介绍卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活

学习目标学习Python和Pytorch中图像读取学会扩增方法和使用Pytorch读取赛题数据数据读取与数据扩增图像读取PillowPillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。常用数据扩增方法几何变换：由于训练集与测试集合中可能存在潜在的位置偏差，使得模型在测试集中很难达到训练集中的效果，几何变换可以有效地克服训练数据中存在的位置偏差，而且易于实现，许多图

赛题理解赛题是CV入门级赛题，通过街景字符识别来熟悉CV建模思路和竞赛流程。目标为识别街景中的字符。数据集样本展示如下：评价指标如下：主要考虑两种思路：传统cv思路：先将图像二值化处理，然后做倾斜校正，根据投影做字符切割，根据0-9的字符的特征点与标准字符匹配来进行识别深度学习思路：本题本质上是分类问题，需要对图片的字符进行识别。但是图像给定的数据及中不同图像中包含的字符数量不等。因此赛题难点在于对不定长字符进行识别，这区别于传统CV方法。数据读取方法：import matplotlib

YOLOv4已在上周千呼万唤始出来。YOLO之父Jeseph Redmon在今年2月已宣布退出CV学术界，大家都以为YOLO系列已不再更新了，幸而，学术界和开源社区的力量是强大的。另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy接过了YOLO这面大旗，在arXiv上提交了YOLO v4，而且，这篇论文已经被拉入原来YOLO之父建立的项目主线。YOLOv4：目标检测的最优速...

支持向量机SVM（Support Vector Machines）SVM是Vapnike等人在上世纪九十年代初建立的一种新型的学习机器，它是在以解决小样本机器学习问题为目标的统计学习理论（SLT）的基础上发展起来的。SVM建立在SLT的VC维理论和结构风险最小化原理的基础上，根据有限的样本信息在模型的复杂度和学习能力之间寻求最佳折中，获得最好的推广能力。与传统方法相比，SVM能够有效地避免过学习...

条件随机场（CRF）模型首先从这个图理解各个模型和算法的关系，隐马尔科夫模型HMM是动态贝叶斯模型的一种方法，条件随机场是马尔科夫网络的一种方法。概率图模型有节点和边组成，包含有向图和无向图两种。有向图表示带有方向，无向图表示边没有方向。贝叶斯网络是有向图，适合为有单向依赖的建模，马尔科夫网络是无向图，适合相互依赖的建模。条件随机场概述条件随机场模型是Lafferty于2001年，在最...

每篇SCI论文都要具备四性：必要性、实用性、创新性、可行性Title简明准确的总结文章的研究内容。吸引读者的眼球。更容易被发现。Abstract摘要.目的：把你的东西卖给读者。研究内容目的。意义等。效果：使读者仅仅在读Absract就可以对你的研究产生兴趣。要求：最少的词语表达最多的内容。IntroductionWhat is known; What is unknown; Why w...

EM算法两步求解：E步：求期望（expectation）M步：求极大（maximization)EM 算法是一种求解最大似然估计的方法，通过观测样本，来找出样本的模型参数。最大似然可以理解为最大可能性，最大似然估计是通过已知结果，估计参数的方法。如果使用基于最大似然估计的模型，模型中存在隐变量的时候，就要用到EM算法去做估计。举个例子，扔两枚硬币A、B，每次投掷一枚，分别做5组实验，每...

分类和回归的区别主要在于输出变量的类型。分类 ：定性输出，或者也可以有条件地表述为离散变量预测。给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测。回归：定量输出，或者也可以有条件地表述为连续变量预测。给定一个新的模式，根据训练集推断它所对应的输出值（实数）是多少，是一种定量输出，也叫连续变量预测。当然，分类和回归数学中的区别也在于最后度量的...

贝叶斯理论是托马斯.贝叶斯(Thomas Bayes)提出的，解释了在没有太多可靠信息的情况下如何做出做好的数学逻辑推测，即不了解事物的全貌进行判断。利用先验概率和已知信息概率推测后验概率，也可以描述两种不同条件概率关系。事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率不一样，但存在某种关系。后验概率=条件概率/全概率。概率模型的训练过程实际上是求参数估计的过程。似然...

1回归分析关键词1、回归（regression）：发生倒退或表现倒退；常指趋于接近或退回到中间状态。在线性回归中，回归指各个观察值都围绕、靠近估计直线的现象。2、多元回归模型（multiple regression model）：包含多个自变量的回归模型，用于分析一个因变量与多个自变量之间的关系。它与一元回归模型的区别在于，多元回归模型体现了统计控制的思想。3、因变量（dependent ...

基于线性回归方法的预测研究1、线性回归的原理假设有数据集 {(x1,y1),(x2,y2),…,(xn,yn)}{(x1,y1),(x2,y2),…,(xn,yn)} ,其中, xi=(xi1;xi2;xi3;…;xid),yi∈Rxi=(xi1;xi2;xi3;…;xid),yi∈R。n表示变量的数量，d表示每个变量的维度。可以用以下函数来描述y和x之间的关系：f(x)=θ0+θ1x1+...

1、模型选择根据样本确定应该选择哪种模型。参数选择：确定了某类模型之后，模型中可调的参数会影响模型的效果，可以通过交叉验证的方法来确定好的参数。数据集被分为三部分：训练集、验证集、测试集。训练集：模型的训练。验证集：参数/模型的选择。测试集：模型效果的评估。交叉验证：基本思想就是将原始数据（dataset）进行分组，一部分做为训练集来训练模型，另一部分做为测试集来评价模型。交叉验证可...