leonorandzzzz的博客

一、One-Hot Encoding One-Hot编码，又称为一位有效编码，主要是采用位状态寄存器来对个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。 在实际的机器学习的应用任务中，特征有时候并不总是连续值，有可能是一些分类值，如性别可分为“male”和“female”。在机器学习任务中，对于这样的特征，通常我们需要对其进行特征数字化，如下面的例子： ...

利用胶囊网络实现mnist数字分类——分辨多张数字重叠分类 引言：通过对比普通的CNN对重叠数字的分类与CNN+Capsule对重叠数字进行分类，引证胶囊网络对位置、缩放、姿态变化较为有效。 1 首先构建胶囊网络层 from keras import activations from keras import backend as K from keras.engine.topology...

利用胶囊网络实现对CIFAR10分类 数据集：CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 实验：搭建胶囊网络 from __future__ import print_function from keras import backend as K from keras.layers i...

本文介绍了胶囊网络的综述，包含了主要的胶囊网络相关论文 目录： Introduction （介绍） Routing （路由） Modality （模态） Problem domain （问题领域） Applications（应用） 1、introduce（介绍） Early work [1,2]（早期工作） ： Foundational work [3,4]（基础工作） Vide...

现在Keras中你也可以用小的batch size实现大batch size的效果了——只要你愿意花nn倍的时间，可以达到nn倍batch size的效果，而不需要增加显。 1、名词解释： NPL：在一两年之前，NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。 OOM：Out-Of-Memory 表示内存溢出 CV：...

capsnet 再升级 无监督学习图像特征 CapsNet 作者 Sara Sabour 联合 Geoffrey Hinton 及牛津大学研究者在最新的论文《Stacked Capsule Autoencoders》中提出胶囊网络的改进版本，该胶囊网络可以无监督地学习图像中的特征，并取得了最先进的结果。 一个物体可以看作是一组相互关联的几何组成部分，因此，一个明确利用这些几何关系来识别物体的系...

1.比较Boosting和Bagging的异同 1、二者都是集成学习算法，都是将多个弱学习器组合成强学习器的方法。 2、Bagging（套袋法）：从原始数据集中每一轮有放回地抽取训练集，训练得到k个弱学习器.。 对于分类：将这k个弱学习器以投票的方式得到最终的分类结果。 对回归问题；计算上述模型的均值作为最后的结果。（所有模型的重要性相同） 3、Boosting：每一轮根据上一轮的分类结...