qq_41554955的博客

Microsoft Edge发生输入栏没法输入的问题

多读论文，读好论文。关注顶级期刊和顶级会议，例如,SCI、人工智能（AI）、IEEE模式分析和机器智能交易（TPAMI）、人工智能进步协会（AAAI)。下面内容阐述了论文写作各个部分需要注意的点：1.格式每个日志/会议都有自己的格式文件。其中包括一个指示纸张格式的cls文件和一个指示参考书目格式的bst文件1.从网站下载这些文件，2.快速启动方法是从主管处获取日志的源文件。2.术语2.1.该领域任何论文中从未出现过的词语都不能使用。2.2.用词问题:2.1.1 避免感情强烈，好大

上一个博客描述了CNN的整个过程（链接https://editor.youkuaiyun.com/md/?articleId=120914867），这一个博客来说一下池化层（Sampling）反向传播和卷积层的反向传播的公式是怎么来的1.池化层反向传播池化层的反向传播就是已知后一层池化层矩阵的误差梯度，推前一层矩阵的误差梯度。最大池化的正向传播如下：以上图最大池化举例，池化后的数字6对应于池化前的红色区域，实际上只有红色区域中最大值数字6对池化后的结果有影响，权重为1，而其它的数字对池化后的结果影响都为0。假

1.正向传播1.1输入层每一张图应该是是m*n的二维数组的形式呈现在我们眼前，但现在我们把它打平：二维展开变成一维，本来该是原图中一列中的下一列，我们把这下一列不放在下面了，直接连着上一列，这样每张图片的数据就变成一维了。把无数张打平的图片数据拿来训练，进行t次训练，每次训练选择batch张图（batch列）拿来训练，每张图进行训练epoch次。1.2卷积层代码表示如下：1.3 池化层1.3.1平均池化代码上用的是平均池化1.3.2最大池化1.4输出层2.反向传播2.1池化层的

参考资料：Tesseral中文用户手册.doc , https://max.book118.com/html/2021/0111/5343040031003110.shtmtesseral软件教学-数据处理到成剖面图 , https://www.bilibili.com/video/BV1f64y1U7gj?from=search&seid=4001933724500544312&spm_id_from=333.337.0.0tesseral软件教学-观测系统的建立 , http

我对bp神经网络的原理来自于啃这里的代码：链接https://www.cnblogs.com/charlotte77/p/5629865.htmlbp神经网络的基本原理（BackPropagation）对神经网络层各层的基本数据初始化初始化神经网络各层的权重，根据随机数生成器进行先随机生成权重，这里的权重会依据后面的训练而调整。输入数据的确定，输出数据的确定。例如分类问题就是输入对象的属性，确定好输出数据，输出数据是表示所有标签的概率的数组，概率最大的标签的值为预测的值，则给该输入的对象打上该

1.KNN（k-近邻算法）的例子knn基本原理：处理数据：将描述具体对象的属性和标签数据化。例如，如下的例子中，是已经处理好的的把电影的信息，把电影信息处理成了坐标上的点的横纵坐标。用k-近邻算法的距离公式(test对象属性1的值−已知第i个i训练数据的属性1的值)2+...+(test对象属性m的值−已知第i个训练数据的属性m的值)2(test对象属性1的值-已知第i个i训练数据的属性1的值){^2}+...+(test对象属性m的值-已知第i个训练数据的属性m的值){^2}(test对象属性1的

Means无监督聚类kmeans的实例（用于理解kmeans）:在有黑人，白人，黄种人的种群中，分类器开始对他们分类，可能根据他们的皮肤颜色，鼻子高低，头发颜色等一些属性来对他们聚类，分类器训练完成，但不知道他们是不是叫黑人，白人，黄种人，只知道有这么三个簇，当让分类器再次区分一个人他是那一类，分类器会根据这个人的特征跟哪一个簇中的人的特征相似而把这个人分到那个簇中，但是并不会明白这个人叫什么人种。java代码：全部代码：package kmeans;import java.io.FileNo