yinglang19941010的专栏

HMM处理三种问题，我理解为三种功能： - 给出 O (可观测序列o1 o2 o3… ot），求P(O | hmm) - 给出 O，求出使P(O, H | hmm)最大的 H （H为与O对应的隐藏层时序序列） - 给出 O，求出使P(O | hmm) 最大的 hmm（参数调整）HMM应用于孤立词语音识别流程描述：（训练：功能三） 1. 给出a, b, c三个词的音频库（Wa, Wb,

本文主要说明如何时候用opencv中自带的工具opencv_createsamples和opencv_traincascade训练adaboost + cascade模型Boost核心思想通过对原始数据集采样时给之前分错的数据更大的比例，使得每级分类器更加关注于前面分类器分错的数据。最后多个弱分类器联合起来，产生一个强分类器。主要过程 (DAB) 对原始数据集按一定权重（概率）进行采样，获得新的数据

我的理解： 1. tensorflow 和 spark的思想有点类似，都是lazy执行； 在调用tf.Session().run(...)之前所有的操作都只是在构建Graph的过程，这期间不会执行操作; tf.Session().run(op) 调用时，op操作才会被执行。 2. tf.Session().run(x) 当x是operate (mul, square,trai

caffe Layer 源码分三个文件，hpp、cpp、cu. SoftmaxLoss的数学公式参考 caffe层解读系列-softmax_loss其实SoftmaxLossLayer(下面简称SL)封装了一个SoftmaxLayer(下面简称S)为他完成一部分计算，我们可以看到： LayerSetUp时： 创建了S(SoftmaxLayer)对象；SL的输入bottom[0] (一般是fc层的