Marshal Zheng的博客

文献阅读（机器学习等）数学基础Yuanshuai文章目录文献阅读（机器学习等）数学基础一、线性代数二、概率三、信息论四、数值计算一、线性代数标量、向量矩阵：m×nm\times nm×n张量：标量、向量、矩阵的推广——>（0阶，1阶，2阶……）例如图像：长、宽、RGB值——>3阶张量范数：描述向量大小∣∣x∣∣p=(∑i∣xi∣p)1p||x||_p = (\sum_{i}|x_i|^p)^{\frac{1}{p}}∣∣x∣∣p​=(i∑​∣xi​∣

《机器学习》西瓜书笔记——chapter 7：贝叶斯分类器 Marshal Zheng 2019-04-16西瓜书笔记更新啦！7.1 贝叶斯决策论假设有NNN种可能类别标记，即y=c1,c2,⋯ ,cNy = {c_1,c_2,\cdots,c_N}y=c1​,c2​,⋯,cN​，λij\lambda_{ij}λij​是将一个真实标记为cjc_jcj​的样本...

实战+原理–手写数字识别–卷积神经网络–matlab Marshal Zheng2019-04-13文章目录实战+原理--手写数字识别--卷积神经网络--matlabTargetDatasetDataset-converted into bmpTrainTestResultTheory about CNN (Convolutional Neural Networks)Target使用卷...

花书《Deep learning》学习笔记–Convolutional NetworksMarshal Zheng2019-04-13文章目录花书《Deep learning》学习笔记--Convolutional NetworksCNNThe Convolution opeartion个人理解归纳领域优势卷积神经网络基本认识两类神经元：C,S网络结构优势解释：训练参数如何减少？为什么卷积...

数据科学和机器学习面试问题背景网上冲浪时看到了美国某机器学习研究者写的文章，他在几个月里面试了许多大公司以及创业公司，所以也记录了很多公司问他的面试问题，他做了一个整理和分享，下面我做简单翻译并整理分享，也是自我学习反省。问题误差与方差之间的权衡是什么？什么是梯度下降？解释过度和不合适以及如何对抗它们？你如何对抗维度灾难？什么是归一化，我们为什么要使用它，并提供...

斯坦福深度学习CS230课程cheatsheet学后总结提纲2Marshal Zheng2019-04-13文章目录斯坦福深度学习CS230课程cheatsheet学后总结提纲2FACE VERIFICATION AND RECOGNITION模型类别-两种主要模型One Shot learningSiamese NetworkTriplet(三个一组) lossNeural style t...

斯坦福深度学习CS230课程cheatsheet学后总结笔记（1）Marshal Zheng2019-04-12文章目录斯坦福深度学习CS230课程cheatsheet学后总结笔记（1）OverviewTYPES OF LAYER卷积层池化层：全连接层FILTER HYPERPARAMETERS滤波器维度步幅0-填充TUNING HYPERPARAMETERS卷积层参数适应性（兼容）理解模型...

\documentclass[master]{thesis-uestc}\usepackage{algorithm}\let\cleardoublepage\clearpage\title{对\emph{Deep-learning-BN}模型算法的学习}\author{Marshal Zheng}\begin{document}\maketitle\begin{chineseabst...

待全部看完西瓜书之后，再进行系统归纳整理笔记，防止陷入“局部最优”目前进度，两天一个章节。已完成：第一章：绪论第二章：模型评估与选择第三章：线性模型...