原创 奇異值分解及應用(PCA&LSA)

這裏我省去了很多的數學知識,建議數學比較薄弱的讀者可以先看看<信息檢索導論>第18章。主要的數學知識包括方陣的特徵值、特徵向量;方陣的對角化;一般矩陣的奇異值分解及低秩逼近矩陣。這裏主要講解奇異值分解的兩個應用PCA(降維)和LSA(潛在

原创 leetcode 專題—sort

此將主要將leetcode中sort專題的解答都放在這裏,後續會慢慢加入 一:leetcode179 Largest Number 題目: Given a list of non negative integers, arrange

原创 leetcode ----Trie/stack專題

一:Implement Trie (Prefix Tree) 題目: Implement a trie with insert, search, and startsWith methods. Note: You may ass

原创 UFLDL教程筆記及練習答案四(建立分類用深度學習---棧式自編碼神經網絡)

此次主要由自我學習過度到深度學習,簡單記錄如下: (1)深度學習比淺層網絡學習對特徵具有更優異的表達能力和緊密簡潔的表達了比淺層網絡大的多的函數集合。 (2)將傳統的淺層神經網絡進行擴展會存在數據獲取、局部最值和梯度彌散的缺點。 (3)棧

原创 object detection資料彙總

轉自:https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Jump to... LeaderboardPapers R-CNNM

原创 信息檢索的評價指標(Precision, Recall, F-score, MAP)

       之前寫過一篇blog叫做機器學習實戰筆記之非均衡分類問題:http://blog.csdn.net/lu597203933/article/details/38666699其中對Precision和Recall及ROC都有所

原创 寫博客的好處

表達自我 每個人都有表達自我的慾望,看看網絡上那麼多自拍的照片、視頻就明白了,文字是一種最樸素的表達方式,但也是很多人鍾愛的方式。通過表達自我,記錄成長的足跡,發泄自己鬱悶的情感,平衡心態,對自己的成長是很有好的作用的。 結交朋友 博

原创 圖像質量的客觀評估指標PSNR與SSIM

PSNR SSIM 代碼 參考文獻 1:PSNR PSNR是最爲常用的圖像質量評估指標: 其中K爲圖像對應二進制位數,一般爲8。MSE爲均方誤差,計算公式爲: 2:SSIM SSIM[1]主要用來衡量圖像結構完整性,是另一種

原创 PCA降維簡介

PCA全稱爲principal component analysis,即主成成分分析,用於降維。對數據進行降維有很多原因。比如:        1:使得數據更易顯示,更易懂        2:降低很多算法的計算開銷        3:去除

原创 Java寫的自動搶購紅米note手機(2016/4/6 米粉節)

         受同學所託,幫其搶紅米手機,老是搶不到,於是就想着寫個程序,多線程實時監聽,雖然最終還是沒搶到,但還是將程序分享給大家。(其實在排除學校網速的影響下,我真懷疑雷總到底有沒有發佈小米手機讓大家搶,所以還是建議大家儘量不要搶

原创 牛客面試常考算法題精講部分題目c/c++代碼

最近在看牛客網左程雲老師講解常考面試題(http://www.nowcoder.com/live/courses),感覺講的非常好,但是給的代碼都是java的,故我這裏用c++自己寫了一遍,作爲一個記錄,如有錯誤,請不吝指正。   牛客堂

原创 Ubuntu14.10+cuda7.0+caffe配置

Ubuntu14.10+cuda7.0+caffe配置 一:linux安裝 Linux安裝不說了,我這裏安裝的是ubuntu14.10   二:nVidia驅動和CUDA Toolkit的安裝和調試(*.run方法) 1: Verify

原创 簡記ReNet

ResNet 論文給出了Resnet有3中類型,ResNet50[res3 res4 res6 res3],ResNet101[res3 res4 res23 res3]和ResNet152[res3 res4 res36 res3]層卷

原创 【深度學習】caffe 中的一些參數介紹

轉自 http://blog.csdn.net/cyh_24 目錄(?)[+] solver.prototxt: net: "models/bvlc_alexnet/train_val.prototxt" tes

原创 triplet loss的原理及caffe代碼

1:triplet loss的原理及梯度推到 http://blog.csdn.net/tangwei2014/article/details/46788025 2:triplet loss如何增加到caffe中:http://blog.