经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
 人工智能基础
通俗易懂--循环神经网络(RNN)的网络结构!(TensorFlow实现)

通俗易懂--循环神经网络(RNN)的网络结构!(TensorFlow实现)

1. 什么是RNN 循环神经网络(Recurrent Neural Network, RNN)是一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network) ...[2019/8/16]

(转)周志华:“深”为什么重要,以及还有什么深的网络

周志华老师大家应该都很熟悉吧,今天偶然看到他在今年IJCAI大会上的发言稿,感觉读完受益匪浅,故摘录下来与大家分享,也方便日后复习查看。 本文由雷锋网整理完成,原文地址:https: ai.yanxishe.com/page/reportDetail/14317 这里只是用于学习...[2019/8/16]

人工智能面试题86问,新手找工作必备! - 雄霸天下-无人能挡

人工智能面试题86问,新手找工作必备! - 雄霸天下-无人能挡

文章转载自:http: www.pythonheidong.com/blog/article/3030/ 人工智能是一门研究模拟人类智能,实现机器智能的一门科学,那么,在找工作过程中,这些面试题常常会被问到。了解一二,有备无患。 关于Python 1、Python的函数参数传递...[2019/8/15]

机器学习常见的几种评价指标:精确率(Precision)、召回率(Recall)、F值(F-measure)、ROC曲线、AUC、准确率(Accuracy)

机器学习常见的几种评价指标:精确率(Precision)、召回率(Recall)、F值(F-measure)、ROC曲线、AUC、准确率(Accuracy)

原文链接:https: blog.csdn.net/weixin_42518879/article/detail 83959319 主要内容:机器学习中常见的几种评价指标,它们各自的含义和计算(注意本文针对二元分类器!) 1、混淆矩阵 True Positive(真正,TP):将正类预...[2019/8/15]

概率笔记11——一维正态分布的最大似然估计

  正态分布密度函数是:   若随机变量X服从一个数学期望为μ、方差为σ2的正态分布,记为N(μ,σ2)。当μ=0,σ2=1是,称为标准正态分布。不需要记住这个复杂的公式,知道它的意义即可,在使用时可以随时查阅。   在研究正态分...[2019/8/15]

磨染的初心——计算机视觉的现状(3.1):图像分割

磨染的初心——计算机视觉的现状(3.1):图像分割

磨染的初心——计算机视觉的现状(3.1):图像分割 为了通过材质、形状、结构识别目标,对图像进行分割应该是必然的选择。在这一点上计算机视觉研究者们算是勉强达成了共识,图像分割甚至被很多研究者列为计算机视觉的基本任务之一了。很多图像分割算法被提了出来,归纳起来可以分为基于阈值的方法、基于聚类的方法、...[2019/8/15]

人工智能面试题86问,新手找工作必备! - 雄霸天下-无人能挡

人工智能面试题86问,新手找工作必备! - 雄霸天下-无人能挡

文章转载自:http: www.pythonheidong.com/blog/article/3010/ 人工智能是一门研究模拟人类智能,实现机器智能的一门科学,那么,在找工作过程中,这些面试题常常会被问到。了解一二,有备无患。 关于Python 1、Python的函数参数...[2019/8/15]

磨染的初心——计算机视觉的现状(3.2):纹理与材质

磨染的初心——计算机视觉的现状(3.2):纹理与材质 在前文中提到的分割算法中,基于区域的方法和基于图割的方法都利用了基于纹理的相似性度量方法。另外,除了基于卷积神经网络的算法之外,目前所有的分割算法都存在严重的过分割,区域合并将是不得不采纳的选择。对于区域合并来说,纹理相似性是一种非常重要的相似...[2019/8/15]

机器学习基础

1.1           机器学习的分类 1.1.1     监督学习 定义:从成对的已经标记好的输入和输出经验数据作为一个输入进行学习,用来预测输出结...[2019/8/15]

奥比中光Astra Pro的使用(1)

在ubuntu上的使用 首先下载SDK以及OpenNI安装包,下载地址: 解压两个安装包   切换目录到AstraSDK-Linux下的install目录,并输入命令:sudo sh ./install.sh   提示需要添...[2019/8/15]

磨染的初心——计算机视觉的现状(1):缘起

磨染的初心——计算机视觉的现状(1):缘起 (这一系列文章是关于计算机视觉的反思,希望能引起一些人的共鸣。可以随意传播,随意喷,CopyLeft。) 有一则广为人知的故事,据称它就是计算机视觉的发端,在1966年,MIT的Marvin Minsky让他的本科生Gerald Jay Su...[2019/8/12]

邻域保持嵌入(NPE)

传统的线性降维方法,如主成分分析(PCA)、因子分析(FA)等,关注的是样本的方差,能学习线性流形的结构,却无法学习非线性流形。而经典的流形学习方法虽然能够学习非线性流形结构,但由于本身属于直推学习,无法进行新样本的泛化。另外一些基于核函数的降维方法,如KPCA,尽管可以处理非线性问题,...[2019/8/12]

统计学习方法—SVM推导

统计学习方法—SVM推导

目录 SVM 1. 定义 1.1 函数间隔和几何间隔 1.2 间隔最大化 2. 线性可分SVM 2.1 对偶问题 2.2...[2019/8/12]

[Tensorflow] 使用 tf.keras.utils.get_file() 下载 MS-COCO 2014 数据集

1 import argparse 2 3 import tensorflow as tf 4 tf.enable_eager_execution() 5 6 7 def main(args): 8 """Download the Micr...[2019/8/9]

工业物联网实施的6个常见误解

工业物联网实施的6个常见误解

物联网正在迎来第四次工业革命。尽管人们普遍了解数字化的必要性,但仍有许多误解阻碍了工业物联网的实施。由于复杂性和成本问题,许多组织推迟了他们的工业物联网(IIoT)计划。 为最坏情况做准备并不一定是坏事,但您可能高估了工业物联网的风险,并低估了它的真正价值。为了帮助您树立正确的观念,...[2019/8/9]

Pytorch构建ResNet

学了几天Pytorch,大致明白代码在干什么了,贴一下。。 import torch from torch.utils.data import DataLoader from torchvision import datasets from torchvision impo...[2019/8/9]

转战物联网·基础篇09-选择MQTT协议还是CoAP协议

前面章节介绍过,MQTT协议和CoAP协议都是物联网中比较流行的协议,都对传输量做了很大的精简,传输开销小,以适应物理网的网络环境。 XMPP协议也有人说是适合物联网通信的,但它是基于XML,对于嵌入式硬件设备来说,实现XML解析是非常困难和消耗资源的。 还有大家熟知的HTTP协议,...[2019/8/8]

Collaborative Spatioitemporal Feature Learning for Video Action Recognition

Collaborative Spatioitemporal Feature Learning for Video Action Recognition 摘要 时空特征提取在视频动作识别中是一个非常重要的部分。现有的神经网络模型要么是分别学习时间和空间特征(C2D),要么是不加控制地联合学习时间和空...[2019/8/7]

(长期更新)【机器学习实践】Pycharm编辑器的使用注意事项

1. 写Python代码,根据PEP8风格,默认一行的长度不超过 80 个字符。     但是pycharm 默认是第 120 个字符处,故进行修改:   File→Settings→Editor→Code Style→Hard wrap at ___ ...[2019/8/7]

转战物联网·基础篇08-例说MQTT协议各控制报文

转战物联网·基础篇08-例说MQTT协议各控制报文

前面讨论了MQTT协议的控制报文的格式,下面分别举例探讨各个控制报文的详细内容。 01、CONNECT – 连接服务端 客户端到服务端的网络连接建立后,客户端发送给服务端的第一个报文必须是CONNECT报文。客户端在连接成功后,不能再次发送这个报文,否则服务端应按照违规处理,断开当前网络连接。一...[2019/8/7]

《论工业社会及其未来》—泰德·卡辛斯基

中文译文基于1996年中国文史出版社《轰炸文明——发往人类未来的死亡通知单》,原译者王小东 INTRODUCTION 介绍 1. The Industrial Revolution and itsconsequences have been a disaster...[2019/8/7]

一看就懂的K近邻算法(KNN),K-D树,并实现手写数字识别!

一看就懂的K近邻算法(KNN),K-D树,并实现手写数字识别!

1. 什么是KNN 1.1 KNN的通俗解释 何谓K近邻算法,即K-Nearest Neighbor algorithm,简称KNN算法,单从名字来猜想,可以简单粗暴的认为是:K个最近的邻居,当K=1时,算法便成了最近邻算法,即寻找最近的那个邻居。 用官方的话来说,所谓K近邻算法,即是...[2019/8/5]

使用国内镜像给ROS安装提速

大半年没写博客了。最近有幸参与机器人导航研究,在学习ROS相关知识。在安装ROS时使用国外的官方源安装非常慢。这里把使用国内镜像的安装方式做一个记录。 笔者用的是Kinetic版本,操作系统是Ubuntu 16.04 LTS。 第一步要做的就是替换系统默认的源为aliyun镜像源...[2019/8/5]

激活函数、正向传播、反向传播及softmax分类器,一篇就够了!

1. 深度学习有哪些应用 图像:图像识别、物体识别、图片美化、图片修复、目标检测。 自然语言处理:机器创作、个性化推荐、文本分类、翻译、自动纠错、情感分析。 数值预测、量化交易 2. 什么是神经网络 我们以房价预测的案例来说明一下,把房屋的面积作为神经网络的输入(我们称之为??),通...[2019/8/5]

自然语言处理NLP学习笔记一:概念与模型初探

前言 先来看一些demo,来一些直观的了解。 自然语言处理: 可以做中文分词,词性分析,文本摘要等,为后面的知识图谱做准备。 http: xiaosi.trs.cn/demo/r demo 知识图谱: https: www.sogou.com/tupu/person....[2019/8/2]

Nvidia Jetson TX2开发板学习历程( 2 )- 更换pip源,提高下载速度

通过将pip的源更换为国内源,来提高下载速度,这也将成为今后学习过程下载Python包的基础,建议前期一定要完成! 知名的国内源 清华:https: pypi.tuna.tsinghua.edu.cn imple 阿里云:http: mirrors.aliyun.com/pypi imple/...[2019/8/2]

机器学习算法:逻辑回归分类算法及应用(含视频教程和源码)

一、逻辑回归简介 1、逻辑回归(Logistic regre ion)是一种用于解决二分类(0 or 1)问题的机器学习方法,即该方是一个分类算法。• 典型应用:• 图像分类• 垃圾邮件检测• 购买商品预测• … 2、Sigmo...[2019/8/2]

自动驾驶中高精地图的大规模生产:视觉惯导技术在高德的应用

导读:导航、驾驶辅助、自动驾驶等技术的不断发展对地图的精细程度提出了更高的要求。常规的道路级地图对于智能交通系统存在很多不足,针对自动驾驶应用的需求,我们提出了利用视觉惯导技术制作高精地图的方法。   本文将首先介绍视觉和惯导的主流设备,视觉惯导融合的框架和关键技术,高德在基于视...[2019/8/2]

【Machine Learning·机器学习】决策树之ID3算法(Iterative Dichotomiser 3)

【Machine Learning·机器学习】决策树之ID3算法(Iterative Dichotomiser 3)

目录 1、什么是决策树 2、如何构造一棵决策树? 2.1、基本方法 2.2、评价标准是什么/如何量化评价一个特征的好坏? 2.3、信息熵、信息增益的计算 2.4、决...[2019/8/2]

决策树之构造生成

决策树之构造生成 参考说明 ????本文参考以下两个来源,在下面的文章中没有一个完整的生成示例,在本人学习过程中带来了很多的困惑,这篇文档展示一个完整的决策树的生成过程,希望对学习过程中的我们有所帮助: 极客时间:《数据分析实战45讲》:17、18、19讲 周志华:《机器学习》:第四章 决策树...[2019/8/2]

100天搞定机器学习|Day11 实现KNN

100天搞定机器学习|Day11 实现KNN

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 100天搞定机器...[2019/7/30]

100天搞定机器学习|Day7 K-NN

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 最近事情无比之多,换了工作、组队参加了一个比赛、和朋友搞了一些小项目,公号荒废许久。坚持是多么重要,又是多么艰难,...[2019/7/30]

Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition

摘要 动态人体骨架模型带有进行动作识别的重要信息,传统的方法通常使用手工特征或者遍历规则对骨架进行建模,从而限制了表达能力并且很难去泛化。 作者提出了一个新颖的动态骨架模型ST-GCN,它可以从数据中自动地学习空间和时间的patterns,这使得模型具有很强的表达能力和泛化能力。 在Kinet...[2019/7/30]

100天搞定机器学习|Day8 逻辑回归的数学原理

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN Day7,我们学习了K最近邻算法(k-NN),了解了其定义,如何工作,...[2019/7/30]

100天搞定机器学习|Day9-12 支持向量机

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 第九天直观了解S...[2019/7/30]

tensorflow、CUDA、Cudnn版本对应关系

1 对应关系 2 注意: (1)NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦!CUDA是NVIDIA推出的用于自家GPU的并行计算框架. (2)cuDNN是一个SDK,是一个专门用于神经网络的加速包,注意,它跟我们的CUDA没有一一对应的关系,即每一个版本的CUDA可能...[2019/7/29]

自然语言处理项目流程

第一步:获取语料 1、已有语料 2、网上下载、抓取语料 第二步:语料预处理 1、语料清洗 2、分词 3、词性标注 4、去停用词 三、特征工程 1、词袋模型(BoW) 2、词向量 第四步:特征选择 第五步:模型训练 1、模型 2、注意事项 ...[2019/7/29]

你想知道的特征工程,机器学习优化方法都在这了!收藏!

1. 特征工程有哪些? 特征工程,顾名思义,是对原始数据进行一系列工程处理,将其提炼为特征,作为输入供算法和模型使用。从本质上来讲,特征工程是一个表示和展现数 据的过程。在实际工作中,特征工程旨在去除原始数据中的杂质和冗余,设计更高效的特征以刻画求解的问题与预测模型之间的关系。 主要讨论以下两种...[2019/7/29]

图像的点运算

1.线性点运算 原始图像的灰度值我们可以使用f(x,y)来表示在(x,y)处的图像灰度值,我们经过点运算输出的图像灰度值则为:g(x,y).为了表示的方便,我们通常使用r来表示原始图像的灰度值,s用来表示处理后图像的灰度值。 线性点运算的公式如下:s=ar+b,如下图所示: &nb...[2019/7/29]

我是这样一步步理解--主题模型(Topic Model)、LDA(案例代码)

1. LDA模型是什么 LDA可以分为以下5个步骤: 一个函数:gamma函数。 四个分布:二项分布、多项分布、beta分布、Dirichlet分布。 一个概念和一个理念:共轭先验和贝叶斯框架。 两个模型:pLSA、LDA。 一个采样:Gibbs采样 关于LDA有两种含义,一种是线性判别分析...[2019/7/29]

交叉熵损失函数

1. Cro entropy 交叉熵损失函数用于二分类损失函数的计算,其公式为: 其中y为真值,y''为估计值.当真值y为1时, 函数图形: 可见此时y''越接近1损失函数的值越小,越接近0损失函数的值越大. 当真值y为0时, 函数图形:...[2019/7/29]

K-Means(K均值)、GMM(高斯混合模型),通俗易懂,先收藏了!

1. 聚类算法都是无监督学习吗? 什么是聚类算法?聚类是一种机器学习技术,它涉及到数据点的分组。给定一组数据点,我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上,同一组中的数据点应该具有相似的属性和/或特征,而不同组中的数据点应该具有高度不同的属性和/或特征。聚类是一种无监督学习的方法,...[2019/7/26]

几种特殊的分块矩阵

1.准对角阵 准对角阵的形式如下: 由于我们知道A所对应的行列式的值等于每一个分块A行列式的值的乘积,同时假设我们的A矩阵是可逆矩阵的话,则A矩阵所对应的行列式的值一定不等于零,又有公式: 所以我们可以导出,A矩阵当中的每一个小分块矩阵都是可逆的,因为它们每一个矩阵所对应的行列式的值都不...[2019/7/25]

pandas的用法

1.a = pandas.read_csv(filepath):读取.csv格式的文件到列表a中,文件在路径filepath中   pandas.core.frame.DataFrame是pandas的核心结构   b = a.head(n):b中存有文件前n行,默认为5行   b =...[2019/7/25]

TF-IDF & CNN

TF-IDF----------------------------------------------------------------认为一个单词出现的文本频率越小,它区别不同类别的能力就越大,所以引入了逆文本频度 IDF 的概念:以 TF 和 IDF 的乘积作为特征空间坐标系的取值测度。 ...[2019/7/25]

转战物联网·基础篇07-深入理解MQTT协议之控制报文(数据包)格式

转战物联网·基础篇07-深入理解MQTT协议之控制报文(数据包)格式

在MQTT协议中,一个控制报文(数据包)的结构按照前后顺序分如下三部分: 结构名 中文名 解释说明 Fixed header 固定报头 报文的最开始部分,所有报文都包含这个部分 Variable header 可变报头 固定报文的附加部分,有些报文没有这个部分 Payload...[2019/7/24]

主成分分析(PCA)原理与实现

主成分分析原理与实现 主成分分析是一种矩阵的压缩算法,在减少矩阵维数的同时尽可能的保留原矩阵的信息,简单来说就是将 \(n×m\)的矩阵转换成\(n×k\)的矩阵,仅保留矩阵中所存在的主要特性,从而可以大大节省空间和数据量。最近课上学到这个知识,感觉很有意思,就在网上找一些博客进行学习,发现网上关...[2019/7/24]

Nvidia Jetson TX2开发板学习历程(1)- 详细开箱、上电过程

Nvidia Jetson TX2开发板学习历程(1)- 详细开箱、上电过程

考试周已经结束了,开发板也已经到了。希望借着这个假期能够好好的利用这块开发板学习Linux系统以及Tensorflow的相关知识。 我打算将学习历程通过博客的方式写出来,作为自己的笔记,也可以供以后拿到板子的人做参考。 1.1 开箱以及安装 不多作介绍,需要注意以下几点: 套件中提供了电源适...[2019/7/23]

深度学习基础--反向传播推导

Model 前向传播 反向传播 求误差 求${\theta}^3_{11}$对J的影响 求${\theta}^2_{11}$对J的影响 误差反传 每一层的残差都由后一层的残差乘以两层之间的权重矩阵,再乘以当前层的激活函数的导数得到。 权重梯度由前面的激活值和后面...[2019/7/22]

统计机器学习

统计机器学习

第一篇 优化算法 001 梯度下降(GradientDescent)小结 002 最小二乘法小结 第二篇 模型优化参数 003 交叉验证(Cro Validation)原理小结 004 精确率与召回率,RoC曲线与PR曲线 第三篇 线性回归 005 线性回归原理小结 006 sci...[2019/7/22]

575
2
记录数:959 页数:1/2012345678910下一页尾页
加载更多