juewu1993的博客

深度神经网络是由多个单层非线性网络叠加而成的，常见的单层网络按照编码解码情况分为3 类:只包含编码器部分、只包含解码器部分、既有编码器部分也有解码器部分． 编码器提供从输入到隐含特征空间的自底向上的映射，解码器以重建结果尽可能接近原始输入为目标将隐含特征映射到输入空间，深度神经网络分为以下 3 类：1) 前馈深度网络(feed-forward deep networks，FFDN)

在看SVM原理时看到VC维理论，看了下视频才了解了原理，贴上原视频地址：http://open.163.com/movie/2008/1/U/O/M6SGF6VB4_M6SGJURUO.html原理如下，我自己总结的，如有错误请指出~~以二分类为例：存在一个函数集H（二分类集），存在一个含有d个目标的集合，每个目标有两种标记方式（正负两种，这里设的是二分类），那么这d个

数据是近10年的空气质量测试，输入向量有7个，输出的值分别有PM值，氧气值等等6个值。遇到的问题：1 mse过大，怎么调都降不下来，换了核函数稍微降了点。2 调整-p -d -t 等等参数，变大或变小，取效果好的值。关键的一部，因为输入的向量中有几十的，也有 上千的，归一化到-1到1会不容易区分各个数字的分量， 归一化到-10到10之后，效果相当显著，mse从3000多降到

使用SVM数据进行了分类实现，4个标签，每个标签下有120组特征向量，在测试中 要显示每种类别的属于概率。先是我主要的matlab代码。warning('off');clc;clear;M=xlsread('Data.xls');A1=M(:,1:6);  %%记录事件1,2,3,4A2=M(:,8:13);A3=M(:,15:20);A4=M(:,22:2

之前在caffe上搞了一段时间，觉得caffe的训练实在繁琐，于是现在选择用tensorflow感受感受它的强大~哈哈之前在python2.7下是不支持的，会报错没有找到合适版本的python，所以各位一定要下载python3.5，推荐大家直接下载Anaconda3就可以1.在python2的环境下Anaconda3   去根据自己的电脑型号下载Anaconda3,我的下载网址

试着在tensorflow上运行第一个小程序，其中源代码都是有的，具体网址可以看这个https://www.cs.toronto.edu/~frossard/post/vgg16原来是caffe的，现在移植到了tensorflow上，能够提供更好的接口输出模型的类型，即我们需要分类的名称都在imagenet_classes.py上vgg16_weights.np是已经训练好的权重，，可