wishchinYang的专栏

关于HMM模型：隐马尔科夫模型 和动态贝叶斯网络

前言       作为IP模式识别的CNN初始模型是作为单纯判别式-模式识别存在的，并以此为基本模型扩展到各个方向。基本功能为图像判别模型，此后基于Loc+CNN的检测模型-分离式、end2end、以及MaskCNN模型，而后出现基于CNN的预测模型-AcGans。       CNN作为一个基本判别式模型简化为数学模型依然为一个函数映射f(x)->y;  基于CNN的检测模型数学模型为 L...

文章链接：个人技术博客的选择：优快云、博客园、简书、知乎专栏还是Github Page？ 感觉还是Fuck The Dog！看来还是以后把文章写在本地，然后再上传到优快云吧。被优快云的缓存机制坑了几次，得非常注意这次事件才行！！！...

太他nia的垃圾了，写完之后点击发布，只保留了前一段，后面的长篇大论全都没了，感情是自动保存草稿的那一段，其他的呢。其他的呢？本地的没有上传上去，这个缓存机制有很大问题，太恶心人了！转移到其他地方吧................

前言       作为IP模式识别的CNN初始模型是作为单纯判别式-模式识别存在的，并以此为基本模型扩展到各个方向。基本功能为图像判别模型，此后基于Loc+CNN的检测模型-分离式、end2end、以及MaskCNN模型，而后出现基于CNN的预测模型-AcGans。       CNN作为一个基本判别式模型简化为数学模型依然为一个函数映射f(x)->y;  基于CNN的检测模型数学模型为 L...

        NLP中关于语音的部分，其中重要的一点是语音信号从背景噪音中分离。比如在一个办公室场景中，有白天的底噪-类似于白噪音的噪音、空调的声音、键盘的啪啪声、左手边45度7米元的地方同事讨论的声音、右手边1.5米远处同事讨论的声音、打印机的声音。各种声音混杂在一起，从自然人的角度来分别，很容易做到区分各种声音。        以自然人的观点来看，不自觉的感知中使用了空间传播模型和声音模式识...

         大模型需要更大量的数据，用以拟合更复杂的假设空间。GAN本身可以用于生成数据，在GAN的学习过程中隐藏了弱监督学习和增强学习的思想。下文主要是对GAN应用于NLP进行相关分析，配图不错，摘抄下来，删除掉关于NLP的部分。本文有大量修改，如有疑虑，请移步原文。       文章：深度生成式模型、DcGAN、应用案例、相关paper       其他参考：生成式模型 & 生成...

在AI综合领域，HMM模型是离散贝叶斯网络，最主要用于非确定性（概率）推理。上次的文章被标记为链接，真是有意思。HMM是一个稀疏的贝叶斯网络。其中，维特比算法(Viterbi Algorithm)为一个经典算法，用于找到可能性最大的隐藏序列。即是通常我们都有一个特定的HMM，然后根据一个可观察序列去找到最可能生成这个可观察序列的隐藏序列。

— 产生式模型（生成模型）估计联合概率P(x,y),因可以根据联合概率来生成样本：HMMs— 判别式模型（判别模型）估计条件概率P(y|x),因为没有x的知识，无法生成样本，只能判断分类:SVMs,CRF,MEMCRF条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。

一不小心听懂了ASM、AAM、CLM算法，还是记录下来。人脸的Pose检测需要一个 SolvePNP 的过程，对于固定三维点集模型，找出二维点集对应的位姿。此外，在track时使用点集寻找一个最优的位姿起始，应该给出一个好的起始点。

        原文链接：http://blog.sina.com.cn/s/blog_5033f3b40101flbj.html        文章图文并茂，我就不转载了！！！        科普文：判别式模型与生成式模型区别；        分类器的数学表达式为：给定输入变量 X以及分类变量 Y，求 P(Y|X)。判别式模型通过直接数据回归分析，直接估算 P(Y|X)。生成式模型的...

一：最大熵模型 ：在满足已有证据的情况下不做任何其他假设，也就是熵最大 二：隐马尔可夫模型：当我们观察到观测序列后，要找到最佳的状态序列。三：最大熵隐马 Maximum Entropy Markov Model 四：条件随机场： 用局部信息去优化全局Conditional Random Fields。