ZZU_chenhao的博客

表示学习表示，通俗的理解就是特征。表示学习是指可以自动的从数据中去学习“有用”的特征，并可以直接用于后续的具体任务的方法。 1. 表示学习 1.1 表示学习的意义机器学习算法的性能严重依赖于特征，因此在传统机器学习中，大部分的工作都在于数据的处理和转换上，以期得到好的特征使得机器学习算法更有效。这样的特征工程是十分费力的，因为这种方法没有能力从数据中去获得有用的知识，而特征工程的目的则...

卷积神经网络 1. 卷积与池化 1.1 图像中的卷积我们以图像为例来直观的理解卷积。计算机中的图像通常都是按照像素点以离散的形式存储的，可以用一个二维或三维的矩阵来表示。假设对于一个二维的图像X∈R^ (HxW)，卷积核为G∈R ^ (kxk)，通常K为奇数。则有，先将卷积核旋转180度，然后在输入中的对应位置取一个大小为k*k的区域，与旋转后的卷积核求内积，得到对应位置的输出。 1....

神经网络基础 1. 机器学习基本概念 1.1 机器学习分类根据训练数据是否带有标签，可以分为：监督学习指的是训练数据中每个样本都有标签，通过标签可以指导模型进行学习，学到具有判别性的特征，从而对未知样本进行预测。无监督学习指的是训练数据完全没有标签，通过算法从数据中发现一些数据之间的约束关系，比如数据之间的关联、距离关系等。半监督学习指的是介于监督学习与无监督学习之间...

图的概述 1. 图的基本定义图由顶点（Vertex）以及连接顶点的边（Edge）构成。其中，顶点表示研究的对象，边表示两个对象之间特定的关系。图可以表示为顶点和边的集合，记为G=（V，E）同时，我们设图G的顶点数为N，边数为M。 1.1 图的基本类型可以分为：有向图和无向图加权图和非加权图连通图和非连通图二部图其中，二部图指的是：我们将G中的顶点集合V拆分成两个子集A和B，...