
机器学习算法
cool whidpers
越努力,越幸运
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Dimensionality Reduction by Learning an Invariant Mapping
这篇博客是对这篇论文的翻译以及理解绪论以及2.2节以前的部分比较好理解,这里我就从2.2节开始,一段英文一段中文的翻译。 2.2 Spring Model AnalogyAn analogy to a particular mechanical spring system is given to provide an intuition of what is happening翻译 2018-01-06 10:56:59 · 1582 阅读 · 0 评论 -
对于GANs原始论文的理解
GAN要同时训练一个生成网络(Generator)和一个判别网络(Discriminator),前者输入一个noise变量z,输出一个伪图片数据G(z;θg)G\left ( z;\theta _{g} \right )G(z;θg),后者输入一真实图片(real image)以及伪图片(fake image)数据 x ,输出一个表示该输入是真实图片或者伪造图片的二分类置信度G(x;θd)G...原创 2018-11-01 11:10:08 · 974 阅读 · 0 评论 -
写代码时遇到的一些错误,Mark一下
今天在写算法的时候出现了几个错误:一、TypeError: ufunc 'multiply' did not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32') U32就是 长度为32个字节的无符号整数类型,这下就好办了,发现问题是出在读取t...原创 2018-06-14 17:05:36 · 20101 阅读 · 0 评论 -
A Comprehensive Study on Cross-View Gait Based Human Identification with Deep CNNs论文中对于LB实验的理解
最近想重复一下这篇论文的中LB结构的理解。但是论文中对于这个结构的描述有点含糊不清,在此梳理一下。 在原论文的4.2.1节 论文的截图如下: 对于上一段话的翻译: 在这个网络中,一对GEI对比阶段是在网络的底部区域。在计算一对GEI之前,仅仅用了线性映射。这个阶段的实现是在卷积阶段用16个filters来实现的.一对GEI作为一对filter的输入。这种方法可以看做两个加权比较器。 ...原创 2018-06-06 09:25:27 · 1971 阅读 · 9 评论 -
如何解决机器学习中训练样本不均衡问题
机器学习中训练样本不均衡问题1. 训练样本不均衡 在学术研究与教学中,很多算法都有一个基本假设,那就是数据分布是均匀的。当我们把这些算法直接应用于实际数据时,大多数情况下都无法取得理想的结果。因为实际数据往往分布得很不均匀,都会存在“长尾现象”,也就是所谓的“二八原理”。下图是新浪微博交互分布情况: 可以看到大部分微博的总互动数(被转发、评论与点赞数量)在0-5之间,交互数...转载 2018-05-22 09:56:37 · 4019 阅读 · 0 评论 -
自编码器
FCN图像的降噪最近发现设计的网络的分类正确率一直上不去,将那些分类错误的图片拿出来进行比较,发现原数据集的图片噪声较大,所以写一个全卷积自编码器进行图像的降噪网路的结构如下: 网络结构说明2.1 第一部分:Encoder卷积层Encoder卷积层设置了三层卷积加池化层,对图像进行处理。第一层卷积中,我们使用了64个大小为3 x 3 的滤波器(filte...翻译 2018-05-08 11:12:59 · 654 阅读 · 0 评论 -
tf.train.batch和tf.train.shuffle_batch理解以及遇到的问题
函数原型 tf.train.batch([example, label], batch_size=batch_size, capacity=capacity) 1. [example, label]表示样本和样本标签,这个可以是一个样本和一个样本标签 2. batch_size是返回的一个batch样本集的样本个数。 3. capacity是队列中的容量。这主要是按顺序组合成...原创 2018-05-10 17:34:12 · 5705 阅读 · 8 评论 -
机器学习归一化的几种方法
数据归一化的两个好处:1、提升模型的收敛速度 2、提升模型的精度机器学习常见的归一化算法 :1、 min-max 标准化(Min-max normalization)也叫0-1标准化(0-1 normalization):对原始数据的线性变换,是结果落到[0,1]区间,转换函数如下: (63)xnormalization=x−minmax−min"原创 2018-01-24 21:53:58 · 1114 阅读 · 0 评论 -
均方误差(MSE)根均方误差(RMSE)平均绝对误差(MAE)
MSE:Mean Squared Error. 均方误差是指参数的估计值与参数的真实值之差的平方的期望. MSE可以评价数据的变化程度,MSE越小,说明模型的拟合实验数据能力强. (72)MSE=1N∑t=1N(predictedt−label)2" role="presentation" style="position: relative;">MSE=1N原创 2018-01-24 21:22:24 · 27981 阅读 · 1 评论 -
Rethinking the value of network pruning
最近将High-way的思想用到了步态识别上,我觉得应该算是一个创新点,但是小伙伴建议我读一读Rethinking the value of resnet ,或许会对我有所启发。所以今天就来拜读一下。主要是翻译的形式,一段英文一段中文。AbstractNetwork pruning is widely used for reducing the heavy computational cost...原创 2018-11-20 22:36:53 · 4895 阅读 · 4 评论