- 博客(11)
- 收藏
- 关注
RSS订阅原创 深度学习入门系列3-【反向传播算法】
参考资料主要为3Blue1Brown官方的视频，同时补充了自己的一些思考。反向传播算法实际上就是把细小的调整一层一层地从后往前传回去，即单个训练样本想怎么样修改权重和偏置值。
2025-01-23 10:30:00
238
原创 深度学习入门系列2-【神经网络是如何学习的】
参考资料主要为3Blue1Brown官方的视频，同时补充了自己的一些思考。上一节主要讲了神经网络的结构，本节继续手写数字识别的例子讲解神经网络是如何学习的我们讲到了神经网络学习的过程实际上就是找最合适任务下的权重和偏置值的过程。
2025-01-22 21:06:06
262
原创 深度学习入门系列1-【神经网络结构】
可以简单理解为一个装有数字[0,1]的容器 ，把神经网元中的数字叫做激活值。在了解了权重和偏置值之后，我们知道了取得合适的值才能让神经网络正确地解决问题，而找到正确的权重和偏置值的过程，就是学习。其实整个神经网络就是一个函数，一个输入784个值输出10个值得函数。但是因为函数内部及极其复杂，内部引用了13000个权重和偏置参数，在识别图案时又要循环使用矩阵乘法和sigmoid映射运算。那神经网络是如何获得合适得权重和偏置值的呢？这就是下一节的内容啦~
2025-01-22 16:23:28
819
原创 H.266/VVC 中的率失真优化
摘要摘要率失真优化技术在视频编码中扮演了重要的角色，使用其选择最优的编码参数是保证视频编码效率的关键。但是，。不过，为了追求高编码效率，率失真优化方法是最主要的编码参数选择优化技术。与以往的编码标准相比，H.266/VVC采用了更先进的编码算法和多种高效的编码工具，因此编码过程也面临更多的编码参数选择。对于一个典型的基于混合编码框架的视频编码系统，有大量编码参数，包括预测模式、运动估计、量化、编码模式等，且每个编码参数都有多个候选值，如在H.266NVC中帧内预测模式包括65。
2024-07-24 14:36:41
1268
原创 【2025】点云中基于语义的任务最新综述
点云中基于语义的任务主要分为了传统任务和新兴任务，该github仓库对各类任务的最新论文及对应的开源代码进行了整理：
2024-07-24 14:14:55
375
原创 [USACO23OPEN] Field Day S
Farmer John 的 N 个牛棚都会选出包含 C 只奶牛的队伍去参加户外聚会。所有奶牛的品种都只可能是根西牛(G)或荷斯坦奶牛(H)。我们将两个奶牛队伍中，同一位置对应的两头奶牛品种不同的所有位置 i(1≤i≤C) 的个数，定义为的两个奶牛队伍的差异。对于编号1...N 的每个奶牛队伍 t ，请计算出t和其它所有队伍的差异的最大值。
2024-01-16 14:35:45
450
1
原创 [USACO21OPEN] Do You Know Your ABCs? S
Farmer John 的奶牛正在视频会议平台上举行每日集会。她们发明了一个简单的数字游戏，为会议增添一些乐趣。Elsie 有三个正整数 A、B 和 C,(1≤A≤B≤C）。这些数字是保密的，她不会直接透露给她的姐妹 Bessie。她告诉 Bessie N（4≤N≤7)个不同的整数 x1,x2...xn，并宣称每一个xi都是 A、B、C、A+B，B+C、C+A 或 A+B+C 之一。
2024-01-16 14:20:24
485
1
原创 [USACO23DEC] Cowntact Tracing 2 B
Farmer John 有 N 头奶牛排成一列。不幸的是，有一种疾病正在传播。最初，有一些奶牛被感染。被感染的奶牛会将疾病传播给它左右两边的奶牛（如果这些奶牛存在的话）。一旦奶牛被感染，她就会持续处于感染状态。经过一些晚上，对奶牛进行了检测以确定哪些奶牛感染了疾病。请找出最少有多少头奶牛最初可能感染了这种疾病。
2024-01-16 14:08:41
606
1
原创 [USACO23DEC] Candy Cane Feast B
Farmer John 的奶牛对甜食情有独钟，它们尤其喜欢吃糖果棒。FJ 共有 N头奶牛，每头奶牛都有一个特定的初始高度。他想要喂它们 M 根糖果棒，每根糖果棒的高度也各不相同（1
2024-01-16 13:55:27
530
1
原创 视频编码JVET提案-基于模板的模式内推导TIMD（最全整理）
使用最可能模式（MPM）的基于模板的模式内推导（TIMD）方法，对于MPM中的每个帧内预测模式，计算模板的预测样本和重建样本之间的绝对变换差之和（SATD），从而选择具有最小SATD的帧内预测模式作为TIMD模式，并用于当前块的帧内模式预测。
2023-07-29 08:00:00
870
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人