haockl的博客

集成学习(ensemble learning)可以说是现在非常火爆的机器学习方法了。它本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。集成学习可以用于分类问题集成，回归问题集成，特征选取集成，异常点检测集成等等，可以说所有的机器学习领域都可以看到集成学习的身影。本文就对集成学习的原理做一个总结。 1. 集成学习概述 　　　　从下图，我们可以对集成学习...

1.1人工智能技术分层：应用层：国内非常好，人脸识别，安防算法层：不错， CVPR、ICCV，算法比赛系统层：tensorflow、pytorch、mxnet芯片层：NVIDIA底层的缺失导致人工智能空中楼阁人工智能培养什么样的人才？两个参考问题：同济大学的车辆专业培养人才方案（设计汽车的子系统）计算机专业应该培养计算机整机或子系统的设计者和研究者，其他专业只是会用计算机人工智能：培养人工智能子系统的设计者与研究者对课程体系的建议：只包含各类机器学习算法，视听觉应用这条软件线，只能算

算法过程：假设batchsize=8，channels=6，feature map=5×5对于同一个batchsize的同一个通道，求出该通道的均值与方差，根据假设求出了6个通道的均值x与方差N。在每一个通道上，feature map上的值进行如下运算：其中 E【X】表示均值，x表示 feature map 上面的值， Var【x】表示方差N，另外两个参数是要学习的，y表示输...

3.1 矩阵和向量参考视频: 3 - 1 - Matrices and Vectors (9 min).mkv如图：这个是4×2矩阵，即4行2列，如$m$为行，$n$为列，那么$m×n$即4×2矩阵的维数即行数×列数矩阵元素（矩阵项）：$A=\left[ \begin{matrix} 1402 & 191 \ 1371 & 821 \ 949 & 143...