原创 2014年4月9號聽報告有感
開始沒聽多少，只是看到作者在特徵選擇的時候引入liblinear 把一個問題 通過一些變換 變到另外的問題 然後使得變換後的問題比較好解，（此時就出現收斂性的問題，是不是變換之後的問題還是收斂的） 陸老師在面試的時候就問道過，收斂性是怎
2020-06-26 10:31:41
原创 CANON 面試有感
今天上午去佳能面試，受益蠻多。 碰到一個zdh所的師兄，一直在不停的指導我。很感謝他的幫助 筆試比較簡單，考一些基本的常識，比如 const 的用法，extern C的用途與用法，還有“mex.h” 與《mex。h》的用法等 兩個編程題：
2020-06-26 10:31:41
7
原创 cvEigenVV 函數的使用
void cvEigenVV( CvArr* mat, CvArr* evects, CvArr* evals, double eps=0 ); mat 輸入對稱方陣。在處理過程中將被改變。 evects 特徵向量輸出矩陣， 連
2020-02-20 23:34:36
原创 深度學習 第四講
1.梯度下降： 等同於批梯度下降。 對於目標函數： 如果對於這個目標函數：求,，， 隨機梯度下降： 由於J 是N 個函數的組合，所以我們可以把他們分成M 個部分（最多N 個部分），假如是N個部分，也就是一個元素一部分。 對於一組固定的，
2020-02-20 23:34:36
原创 CNN 初認識
昨天去跟別人講CNN，感覺自己的深度學習的東西a mass 。每天進步一點點。從今天開始： 深度學習的優勢在於特徵提取 CNN 在我的理解就是5層的一個網絡，每一層卷積層的後面帶一層下抽樣層 以lecun 的網絡爲例： 就是一個五層的網
2020-02-20 23:34:36
原创 稀疏編碼
在講稀疏編碼之前，我們首先來了解一下稀疏表示的概念。 1.稀疏表示： 問題：給定一組基向量：，其中 ，。 對於任意一個p 維的向量X： （i）（最小二乘問題） （ii）s 是稀疏的，s的大部分元素爲0 2.形式化： 在這之
2020-02-20 23:34:36
原创 每天一篇paper 之AAM
之所以寫這篇博客是因爲昨天調一個師兄程序的時候，出現一個問題就是在求解的時候，需要知道 alpha, beta, gamma 的取值。需要知道三個頂點的位置自己不知道怎麼給，囉嗦了那麼多，想讓自己知道看這篇paper 的目的是什麼。 2.
2020-02-20 23:34:35
原创 docalib
function [A,R,T]=doCalib(width,height,imPoints,objPoints,A,RGuess,TGuess) if isempty(RGuess) || isempty(TGuess) [A,
2020-02-20 23:34:35
原创 boosting 25 year(聽報告)
剛纔聽了周志華做的boosting 25 years. 開始講了集成學習 講了一個列子，成績不好的學生抄作業，肯定是越抄越差， 如果是成績好的學生抄作業，比如總共有三道題目，第一個學生作對第一題跟第三題，第二個學生作對第一題跟第二題，。
2020-02-20 23:34:35
原创 梯度下降
梯度下降： 如果已知函數的表達式，比如： 我們首先求這個函數的偏導數 然後根據回溯算法求步長： 這是標準的梯度下降算法。 但是我今天見了兩個梯度下降算法： 一個是丕子 寫的： 他的步長是用求hessian 陣的方法 一個在網上找的
2020-02-20 23:34:35
原创 deep learning
不的不說的是深度學習很火，火到我沒有辦法不認真學習一下它。 我自己首先的認識是深度學習有好多層 一層卷積一層pooling 卷積的時候計算梯度 CNN test 的邏輯關係： 例子中的CNN 是五層的： 輸入一層 卷積兩層 下采樣兩
2020-02-20 23:34:35
原创 《機器學習實戰》筆記之五——Logistic迴歸
轉載自：http://blog.csdn.net/u010454729/article/details/48274955 第五章 Logistic迴歸 迴歸：對一些數據點，算法訓練出直線參數，得到最佳擬合直線，能夠對這些點很好的擬
2018-08-23 08:35:12