#Ear

Linear Algebra(未完待续)

【矩阵消元】Theresultofmultiplyingamatrixbysomevectorisacombinationofthecolumnsofthematrix(矩阵乘以向量的结果是一个“矩阵列的线性组合”)...
代码星球 ·2021-02-16

Deep Learning系统实训之二:梯度下降原理

基本概念理解:一个epoch:当前所有数据都跑(迭代)了一遍;    那么两个epoch,就是把所有数据跑了两遍,三个epoch就是把所有数据跑了三遍,以此类推。batch_size:每次迭代多少个数据;(batch_size称作批处理,它的作用可以理解为每次训练100个数据(在...

Deep Learning系统实训之一:深度学习基础知识

K-近邻与交叉验证1选取超参数的正确方法是:将原始训练集分为训练集和验证集,我们在验证集上尝试不同的超参数,最后保留表现最好的那个。2如果训练数据量不够,使用交叉验证法,它能帮助我们在选取最优超参数的时候减少噪音。3一旦找到最优的超参数,就让算法以该参数在测试集跑且只跑一次,并根据测试结果评价算法。4最近邻分类器能够在...

《MATLAB Deep Learning:With Machine Learning,Neural Networks and Artificial Intelligence》选记

一、TrainingofaSingle-LayerNeuralNetwork1DeltaRuleConsiderasingle-layerneuralnetwork,asshowninFigure 2-11.Inthe figure,diisthecorrectoutputoftheoutputno...

A brief introduction to weakly supervised learning(简要介绍弱监督学习)

by南大周志华摘要监督学习技术通过学习大量训练数据来构建预测模型,其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功,但值得注意的是,由于数据标注过程的高成本,很多任务很难获得如全部真值标签这样的强监督信息。因此,能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展,主要关注三...

(3)Deep Learning之神经网络和反向传播算法

在上一篇文章中,我们已经掌握了机器学习的基本套路,对模型、目标函数、优化算法这些概念有了一定程度的理解,而且已经会训练单个的感知器或者线性单元了。在这篇文章中,我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络,从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法:反向传播算法。最后,我们依然用...

论文笔记(6):Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation

这篇文章的主要贡献点在于:1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型;2.可以利用boundingbox来进行训练,并且得到了较好的结果,这样可以代替用pixel-level训练中的groundtruth;3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...

论文笔记(5):Fully Convolutional Multi-Class Multiple Instance Learning

这篇论文主要介绍了如何使用图片级标注对像素级分割任务进行训练。想法很简单却达到了比较好的效果。文中所提到的loss比较有启发性。大体思路:首先同FCN一样,这个网络只有8层(5层VGG,3层全卷积)。不同的是由于图片只有image-level的标注,所以输出图像的清晰度无法保证,所以没有反卷积。图片的分辨率很低很低,但...

(2)Deep Learning之线性单元和梯度下降

 在上一篇文章中,我们已经学会了编写一个简单的感知器,并用它来实现一个线性分类器。你应该还记得用来训练感知器的『感知器规则』。然而,我们并没有关心这个规则是怎么得到的。本文通过介绍另外一种『感知器』,也就是『线性单元』,来说明关于机器学习一些基本的概念,比如模型、目标函数、优化算法等等。这些概念对于所有的机器...

(1)Deep Learning之感知器

在人工智能领域,有一个方法叫机器学习。在机器学习这个方法里,有一类算法叫神经网络。神经网络如下图所示:上图中每个圆圈都是一个神经元,每条线表示神经元之间的连接。我们可以看到,上面的神经元被分成了多层,层与层之间的神经元有连接,而层内之间的神经元没有连接。最左边的层叫做输入层,这层负责接收输入数据;最右边的层叫输出层,我...
代码星球 ·2021-02-16

ElasticSearch客户端注解使用介绍

Thebestelasticsearchhighleveljavarestapi-----bboss @ESId 用于标识实体对象中作为docid的属性,该注解只有一个persistent布尔值属性,用于控制被本注解标注的字段属性是否作为普通文档属性保存,默认为true-保存,false不保存,字段...

Elasticsearch 入门教程

全文搜索属于最常见的需求,开源的 Elasticsearch (以下简称Elastic)是目前全文搜索引擎的首选。它可以快速地储存、搜索和分析海量数据。维基百科、StackOverflow、Github都采用它。Elastic的底层是开源库 Lucene。但是,你没法直接用Lucene,必...
代码星球 ·2021-02-16

js正则表达式test方法、exec方法与字符串search方法区别

1.正则表达式test方法test()方法用于检测一个字符串是否匹配某个模式返回值:如果字符串string中含有与RegExpObject匹配的文本,则返回true,否则返回false。 2、正则表达式exec方法exec()方法用于检索字符串中的正则表达式的匹配。返回值:返回一个数组,其中存放匹配的结果。如...

js 字符串indexof与search方法的区别

1.indexof方法indexOf()方法可返回某个指定的字符串值在字符串中首次出现的位置。语法:注意:有可选的参数(即设置开始的检索位置)。 2、search方法search()方法用于检索字符串中指定的子字符串,或检索与正则表达式相匹配的子字符串。注意:search方法可以根据正则表达式查找指定字符串(...

Elasticsearch增、删、改、查操作深入详解

Elasticsearch增、删、改、查操作深入详解引言:对于刚接触ES的童鞋,经常搞不明白ES的各个概念的含义。尤其对“索引”二字更是与关系型数据库混淆的不行。本文通过对比关系型数据库,将ES中常见的增、删、改、查操作进行图文呈现。能加深你对ES的理解。同时,也列举了kibana下的图形化展示。ESRestfulAP...
首页上一页...678910...下一页尾页