240 發(fā)簡(jiǎn)信
IP屬地：臺(tái)灣
  • Batch normalization

    http://blog.csdn.net/hjimce/article/details/50866313這篇文章不錯(cuò)

  • 正則化方法

    正則化的作用 正則化是為了防止過擬合采取的策略惰说，主要的正則化方法有L1逐工、L2蹲诀、dropout、dropconnect L2正則化 具體的公式如下： 也就是在原來的代價(jià)函數(shù)上加...

  • 120
    神經(jīng)網(wǎng)絡(luò)的參數(shù)更新

    這個(gè)需要翻墻的外國網(wǎng)站寫的很好：http://ruder.io/optimizing-gradient-descent/index.html#momentum SGD遇到的問...

  • 神經(jīng)網(wǎng)絡(luò)的初始化參數(shù)方法

    神經(jīng)網(wǎng)絡(luò)的參數(shù)也就是權(quán)重W很多譬猫，通過BP反向傳播可以逐漸得到使Cost Function最小的參數(shù)，但是這些參數(shù)的初始值對(duì)于收斂的速度，最后的準(zhǔn)確率有很大的影響陌宿，那么我們應(yīng)該...

  • 常用的激活函數(shù)

    激活函數(shù)的作用 激活函數(shù)的作用是能夠給神經(jīng)網(wǎng)絡(luò)加入一些非線性因素，使得神經(jīng)網(wǎng)絡(luò)可以更好地解決較為復(fù)雜的問題波丰。我們知道神經(jīng)網(wǎng)絡(luò)的神經(jīng)元輸入的是x的線性組合wx+b壳坪，是線性的，當(dāng)...

  • 120
    卷積神經(jīng)網(wǎng)絡(luò)（CNN）基礎(chǔ)

    前言 在七月初七情人節(jié)，牛郎織女相見的一天茅撞，我終于學(xué)習(xí)了CNN（來自CS231n）春宣，感覺感觸良多，所以趕快記下來蝎亚，別忘了，最后祝大家情人節(jié)快樂5555555.正題開始! CN...

  • 120
    QEM網(wǎng)格簡(jiǎn)化

    說明 QEM網(wǎng)格簡(jiǎn)化可以有效的減少復(fù)雜網(wǎng)格的頂點(diǎn)數(shù)同時(shí)保留原網(wǎng)格的拓?fù)涮卣飨裙荩梢宰远x減少后的頂點(diǎn)數(shù)发框，是十分重要的算法，在計(jì)算幾何領(lǐng)域煤墙，它實(shí)現(xiàn)的效果是這個(gè)樣子的： 優(yōu)點(diǎn) 1....

  • RVD（Restricted Voronoi Diagram）的并行算法

    前言 小學(xué)期的項(xiàng)目梅惯，做之前不和我們說是工業(yè)級(jí)的保密算法宪拥，做之后，只有一篇論文铣减，還是紙質(zhì)版她君，沒有電子版，一個(gè)月的時(shí)間還有許多bug葫哗，但是盡力了缔刹。使用了Eigen3.0.0和fr...

  • 120
    隨機(jī)梯度下降（SGD）和批量梯度下降以及擬牛頓法

    批量梯度下降和隨機(jī)梯度下降是機(jī)器學(xué)習(xí)中很常用的學(xué)習(xí)方法，批量梯度下降更為準(zhǔn)確劣针，但是每一輪訓(xùn)練都要遍歷全部的樣本而隨機(jī)梯度下降則沒有這一問題校镐，但是他最后的結(jié)果會(huì)在局部最優(yōu)解附近...

  • 120
    牛頓下降法和梯度下降法基礎(chǔ)

    前言 學(xué)習(xí)機(jī)器學(xué)習(xí)一直是用梯度下降法的灭翔，對(duì)于牛頓下降法并沒有什么了解，但是小學(xué)期同學(xué)的一個(gè)項(xiàng)目用到了牛頓下降法辣苏，同時(shí)好多大神同學(xué)的夏令營之旅問到了牛頓下降法（我等弱雞瘋狂被刷...

  • K-means均值聚類

    算法步驟 算法很簡(jiǎn)單一共4步： 1）隨機(jī)在圖中取K個(gè)種子點(diǎn)肝箱。2）然后對(duì)圖中的所有點(diǎn)求到這K個(gè)種子點(diǎn)的距離，假如點(diǎn)Pi離種子點(diǎn)Si最近稀蟋，那么Pi屬于Si點(diǎn)群煌张。（上圖中，我們可以...

  • 120
    主成分分析（PCA）的推導(dǎo)與解釋

    前言 PCA是一種無參數(shù)的數(shù)據(jù)降維方法退客，在機(jī)器學(xué)習(xí)中很常用骏融，這篇文章主要從三個(gè)角度來說明PCA是怎么降維的分別是方差角度，特征值和特征向量以及SVD奇異值分解萌狂。 PCA的推導(dǎo)...

  • 奇異值分解（SVD）

    一些基礎(chǔ) 關(guān)于正交矩陣 正交矩陣是指各行所形成的多個(gè)向量間任意拿出兩個(gè),都能正交關(guān)系式档玻，正交矩陣的重要性質(zhì)是AT=A-1，向量正交是指兩個(gè)向量的內(nèi)積為0茫藏，也就是三維空間上兩個(gè)...

  • 特征值和特征向量

    前言 大二學(xué)了線代误趴，講了特征值和特征向量，但是老師的暴力朗讀ppt真是讓我覺得夠了务傲，還有關(guān)于特征值和特征向量就是單純的公式求解凉当，為什么是這樣的一概不講，有什么用售葡，有什么意義一...

  • 矩陣的LU分解

    前言 看了麻省理工的線性代數(shù)的一部分課程看杭，主要是補(bǔ)補(bǔ)課，大二線代忘得差不多挟伙，主要目的是學(xué)習(xí)SVD楼雹，學(xué)習(xí)SVD之前補(bǔ)補(bǔ)前面的課，第一課就是LU分解了。 什么是LU分解 L是指下...

亚洲A日韩AV无卡,小受高潮白浆痉挛av免费观看,成人AV无码久久久久不卡网站,国产AV日韩精品