發(fā)簡信
IP屬地：上海
-
cmake和CMakeLists.txt的學(xué)習(xí)原文地址: https://blog.csdn.net/yanchuang1/article/details/69683236 想了很久，不知道從哪開始，今天決定從編寫CMa...
-
SmoothGrad在圖像分類問題中，為了了解神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到了什么，一個常用的方法就是找出圖像中對最后分類結(jié)果影響最大的區(qū)域，這種方法在文獻(xiàn)中有多種叫法，如sensitivity maps, ...
-
機(jī)器學(xué)習(xí)面試題-轉(zhuǎn)載
原文鏈接 1 比較Boosting和Bagging的異同 二者都是集成學(xué)習(xí)算法，都是將多個弱學(xué)習(xí)器組合成強(qiáng)學(xué)習(xí)器的方法。 Bagging：從原始數(shù)據(jù)集中每一輪有放回地抽取訓(xùn)練...
-
機(jī)器學(xué)習(xí)(Machine Learning，ML)是研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機(jī)器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術(shù)，機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一個重要的工具。機(jī)器學(xué)習(xí)交流群：613944735
-
機(jī)器學(xué)習(xí)算法關(guān)注機(jī)器學(xué)習(xí)，人工智能，數(shù)據(jù)挖掘，計算機(jī)視覺等相關(guān)領(lǐng)域的文章
-
使用Python語言，及其在因特網(wǎng)信息數(shù)據(jù)獲?。ㄅ老x）和數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)上的應(yīng)用。也包含python的基本使用。
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計算機(jī)視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.itdecent.cn/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
機(jī)器學(xué)習(xí)中的共軛梯度法
1、梯度下降法 梯度下降法實(shí)現(xiàn)簡單，當(dāng)目標(biāo)函數(shù)是凸函數(shù)時，梯度下降法的解是全局解。一般情況下，其解不保證是全局最優(yōu)解，梯度下降法的速度也未必是最快的。 梯度下降法的優(yōu)化思想：...
-
機(jī)器學(xué)習(xí)-兩個(3X3)小核 和 一個(5X5)大核的區(qū)別在很多網(wǎng)絡(luò)中，都使用了3個3x3卷積核來代替7x7卷積核，使用了2個3x3卷積核來代替5x5卷積核，這樣做的主要目的是： （1）保證具有相同感知野的條件下，提升了網(wǎng)絡(luò)的深度，...
