wzdjsgf-优快云博客

原创 Techniques for reducing variance（吴恩达《MACHINE LEARNING YEARNING》）

减少方差的方法如果你的学习算法遭受高方差，你可以尝试以下方法：添加更多训练数据：只要你能够获取更多的数据和处理这些数据的充足计算能力，这是处理方差问题最简单也是最可靠的方法。添加正则化（L2正则化，L1正则化，dropout）：该方法减少了方差，但增加了偏差。添加提前停止（early stopping）（基于开发集错误提前停止梯度下降）：该方法减少方差但增加了偏差。提前停止的行为很像...

2018-05-29 17:09:18 286

原创 Techniques for reducing avoidable bias （吴恩达《MACHINE LEARNING YEARNING》）

减少可避免偏差的方法如果你的学习算法遭受高可避免偏差，你可以尝试以下方法：增加模型大小（如神经元/层的数量）：该方法可以减少偏差，因为它可以让你更好的适应训练集。如果你发现该方法增加了方差，那么使用正则化方法，它通常能够消除方差的增加。基于错误分析的洞察修改输入特征：假设错误分析启发你去创建额外的特征，以帮助算法消除特定类别的错误。（我们在下一章节进一步讨论）这些新特征可能有助于减少...

2018-05-29 17:07:04 259

翻译 Takeaways: Setting up development and test sets 小结：建立开发集和测试集（吴恩达《MACHINE LEARNING YEARNING》）

建立开发集和测试集从分布中选择开发集和测试集，以反映你期望在未来获得的数据，并希望在上面做得很好。这可能和你的训练数据分布不同。如果可能的话，选择来自同一分布的开发集和测试集。为你的团队选择单一数字的评估指标进行优化。如果你关心多个目标，请考虑把它们合并到一个公式中（例如平均多个错误指标），或设定满足指标和优化指标。机器学习是一个高度迭代的过程：在发现你满意的方法之前你可能需要尝试很...

2018-05-28 15:22:20 224

转载 Faster RCNN（1）

Faster RCNN详解经过RCNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提...

2018-04-03 14:38:08 352

转载自然语言处理-中文分词

一、中文分词技术1、常见的两类中文分词技术中文分词技术常见的有两大类：机械分词技术、基于统计的序列标注技术。机械分词技术操作简单、方便，比较省心，但是对于歧义词以及未登录词的效果并不是很好；统计模型的序列标注方法，对于识别未登录词拥有较好的识别能力，而且分词精度也比较大，同时这个方法可以不分中文、英语，着重看在语言前后顺序。以下是思维导图的形式展示两大区别：2、深度学习...

2018-03-14 13:12:43 561

原创自然语言处理入门 word2vec 使用tensorflow自己训练词向量

词向量是什么　　自然语言理解的问题要转化为机器学习的问题，第一步肯定是要找一种方法把这些符号数学化。　　NLP 中最直观，也是到目前为止最常用的词表示方法是 One-hot Representation，这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小，其中绝大多数元素为 0，只有一个维度的值为 1，这个维度就代表了当前的词。　　举个栗子，　　“话筒”表示为 [0 0 0 1 0 0...

2018-03-13 16:09:09 2261 1

原创一些乱七八糟的概念

神经网络神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。神经元为神经网络中的基本组成单位神经元模型如图所示，每个神经元的输入包含多个变量x1~xn以及一个偏置值b，同时输出h(x) = f(w1*x1+w2*x2+w3*x3+b)，f(x)为激活函数。激

2017-07-18 17:47:47 355

转载 SSD: Single Shot Multibox Detector

SSD: Single Shot MultiBox Detector （https://arxiv.org/pdf/1512.02325.pdf）《深度学习-----caffe之经典模型详解与实战》

2017-07-10 17:49:14 393

原创神经网络隐藏层节点个数

根据经验公式,逐步试验法确定隐层节点数.，逐步试验得到隐层节点数就是先设置一个初始值，然后在这个值的基础上逐渐增加，比较每次网络的预测性能，选择性能最好的对应的节点数作为隐含层神经元节点数。在确定隐层节点数时必须满足下列条件：（1）隐层节点数必须小于N-1（其中N为训练样本数），否则，网络模型的系统误差与训练样本的特性无关而趋于零，即建立的网络模型没有泛化能力，也没有任何实

2017-07-10 10:15:07 34819 1

原创 Cafe的一些记录

Blob a. BLOB是一个四维存储单元，分别是num，channels，height，widthb. 但对于全连接网络，使用2D blobs (shape (N, D))，然后调用InnerProductLayerc. 维度根据该层的类型和配置来确定。 layera. Setup：Layer的初始化b. Forward：正向传导计算，根据bottom计算top，

2017-07-06 11:14:59 579

原创关于机械臂逆运动学 jacobian矩阵

机器人逆运动学机器人的逆解问题比较复杂，为了说明问题，下面先以2自由度的机器人为例。如图所示，已知机器人末端的坐标值（x,y），试利用x,y 表示根据图中的几何关系可知：联立求解上述两方程，可分别求出的表达式。因此可进一步得到：从机器人的手爪末端位置姿态出发，可以

2016-10-10 22:27:32 15135

原创 opencv颜色识别和操作

#include "highgui.h" #include "cv.h" #include "cxcore.h" #include "cvaux.h" #include #include #include #include #include #include #include #include using namespace

2016-03-10 21:12:42 3242 1

原创 RGB和HSV

一般的来说在一个环境中颜色比较难以识别在不同的色调明度饱和度他所对应的RGB值也不尽相同 1、颜色范围很难找的，你要在一个环境中，多次测试才能确定hsv的范围，而且受到光线的影响较大2、rgb的值会更难；你很难确定r、g、b、三个分量配比之后会产生哪种颜色，rgb色彩模型中色调的变化很大，色调就是我直接感觉到的颜色，他不适合机器识别3、hsv就是色调、饱和度、明度即颜色

2015-12-27 09:32:46 1778

原创 Open CV 三帧差法

首先去连续三幅图定义为其中image1 image2 做帧的差值运算 image2 image3 做帧的差值运算并将他们差值做平滑处理和阈值处理转化成二值图像然后将其进行位与运算得出结果result#include "highgui.h" #include "cv.h" #include "cxcore.h" #include "cvaux.h"

2015-11-28 22:20:13 715

原创 opencv 打开摄像头

#include #include #include #include"cv.h"#include"highgui.h"void main(){CvCapture * capture;capture = cvCreateCameraCapture(0);//打开cvNamedWindow("Camera Show", CV_WINDOW_AUTO

2015-11-26 23:10:33 408

转载 opencv 摄像头灰度处理及canny处理

#include #include #include #include"cv.h"#include"highgui.h"IplImage * doPyrDown(IplImage* in, int filter = IPL_GAUSSIAN_5x5){assert(in->width % 2 == 0 && in->height % 2 == 0);

2015-11-26 22:45:16 1478

原创 opencv 视屏播放并控制

opencv 视频播放并控制#include #include #include #include"cv.h"#include"highgui.h"int g_slider_position = 0;CvCapture *g_capture = NULL;//添加控制条void onTrackbarSlide(int pos){cvSe

2015-11-26 22:42:18 603

原创 opencv 学习记录

初步学习opencv #include #include #include int main(int argc, char* argv[]){ //载入图片 IplImage *in = cvLoadImage("图片位置"); //创建显示窗口 cvNamedWindow("In",CV_WINDOW_AUTOSIZE);

2015-11-26 22:36:27 314