算法在計(jì)算機(jī)科學(xué)中的角色 算法是計(jì)算機(jī)科學(xué)的主題解決一個(gè)計(jì)算問題的過程：可計(jì)算否---》能行可計(jì)算否---》算法設(shè)計(jì)與分析---》用計(jì)算機(jī)語(yǔ)言實(shí)現(xiàn)算法---》軟件系統(tǒng)可計(jì)算理...
IP屬地：加州
-
第一章 引言
-
機(jī)器學(xué)習(xí)可解釋性
以分類問題舉例。將一張圖片分類為貓。局部可解釋性：為什么這是一只貓全局可解釋性：一只貓長(zhǎng)什么樣 為什么要可解釋：對(duì)于分類問題，我們?cè)谀承┣闆r下給出分類的依據(jù)。（神馬漢斯？）具...
-
ppt制作技巧
1.使用純白色頁(yè)面背景2.使用結(jié)論性頁(yè)面標(biāo)題3.善用頁(yè)面導(dǎo)航欄結(jié)構(gòu)4.色塊承載不規(guī)則內(nèi)容 重新設(shè)計(jì)思路對(duì)于多段獨(dú)立內(nèi)容：模塊化處理頁(yè)面單調(diào)時(shí)：添加色塊大段信息，為凸顯重點(diǎn)：區(qū)...
-
What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?
在計(jì)算機(jī)視覺中，有兩種不確定性。 種類：aleatoric 偶然不確定性。來源于數(shù)據(jù)，不會(huì)隨著模型的訓(xùn)練而改善。例如在分割標(biāo)注時(shí)，在邊緣處的標(biāo)注本身就具有模糊性，這是固有的。...
-
Domain Decluttering: Simplifying Images to Mitigate Synthetic-Real Domain Shift and Improve Depth...2020CVPR主要貢獻(xiàn)：揭示了目前無(wú)監(jiān)督域適應(yīng)問題的限制（2個(gè)）。提出了ARC模組解決上述問題。用了大量實(shí)驗(yàn)證明ARC合理，并且具有很高的可解釋性。 限制 Low-leve...
-
3D Packing for Self-Supervised Monocular Depth Estimation2020CVPR主要貢獻(xiàn)：新的網(wǎng)絡(luò)結(jié)構(gòu)：packnet新的損失：將相機(jī)速度引入到損失函數(shù)新的數(shù)據(jù)集：更精準(zhǔn) 新的網(wǎng)絡(luò)結(jié)構(gòu)：packnet 新的網(wǎng)絡(luò)結(jié)構(gòu)提出的目的是為了解決傳統(tǒng)...
-
帝都小碩士
-
C++ 基礎(chǔ)
RAII慣用法：C++資源管理的利器[https://mp.weixin.qq.com/s?__biz=MzIwNTc4NTEwOQ==&mid=2247485968&idx...
-
Tensorflow slim庫(kù)使用小記
轉(zhuǎn)自Tensorflow slim庫(kù)使用小記 看fensorflow的書發(fā)現(xiàn)使用的是slim庫(kù)，那就要研究slim的常用函數(shù)，這個(gè)文章寫的很好，轉(zhuǎn)一下哈。 slim庫(kù)的導(dǎo)入：...
-
1.統(tǒng)計(jì)學(xué)習(xí)及監(jiān)督學(xué)習(xí)概論
1.1 統(tǒng)計(jì)學(xué)習(xí) 統(tǒng)計(jì)學(xué)習(xí)是關(guān)于計(jì)算機(jī)基于數(shù)據(jù)構(gòu)建概率統(tǒng)計(jì)模型并運(yùn)用模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)與分析的一門學(xué)科。統(tǒng)計(jì)學(xué)習(xí)也稱為統(tǒng)計(jì)機(jī)器學(xué)習(xí)。 統(tǒng)計(jì)學(xué)習(xí)的前置知識(shí)：工科數(shù)學(xué)（高等數(shù)學(xué)）...
-
泛化誤差上界
定理1.1 (泛化誤差上界)對(duì)二類分類問題， 當(dāng)假設(shè)空間是有限個(gè)函數(shù)的集合F={f,f,...,fa}時(shí)，對(duì)任意一個(gè)函數(shù)f∈F,至少以概率1-δ, 0<δ<1,以下不等式成立:
