原创 svm理論與實驗之21: 自定義核函數的使用
徐海蛟博士真實場景下，數據的特徵可能比較複雜，系統提供的4種核函數或許達不到最佳效果，那麼就需要自定義核函數了。當然，有很多大牛幹這個事情，我們可以拿來使用，通過自定義核方式。如何用？這時候不再把訓練與測試數據文件作爲輸入參數了，而是使用核
2019-07-19 13:58:53
原创 輕量級深度學習框架 Keras簡介
徐海蛟教學Keras是基於Theano的一個深度學習框架，它的設計參考了Torch，用Python語言編寫，是一個高度模塊化的神經網絡庫，支持GPU和CPU。使用文檔在這：http://keras.io/，中文文檔在這：http://ker
2019-02-22 21:51:39
4
原创 畫出卷積神經網絡結構圖[轉載]
徐海蛟教學使用Keras框架（後端可選tensorflow或者theano），可以畫出卷積神經網絡的結構圖幫助我們理解或確認自己創立的模型。問題的關鍵在於使用from keras.utils.visualize_util import pl
2019-02-22 21:51:39
原创 卷積神經網絡CNN基本概念筆記[轉載]
徐海蛟教學UNDERSTANDING CONVOLUTIONAL NEURAL NETWORKS FOR NLP卷積卷積就是對矩陣（圖像）應用的滑動窗口函數。圖中綠色爲一個二值圖像，每個值代表一個像素（0是黑，1是白）。（更典型的是像素值爲
2019-02-22 21:51:38
2
原创 如何加速一個網站——web性能三方面[轉載]
徐海蛟教學Building a Shop with Sub-Second Page Loads: Lessons Learned利用web緩存和NoSQL系統建立一個應對高訪問量的快速網上商店。用戶滿意度和轉化率強相關（hard-wired
2019-02-22 21:51:38
1
原创 Keras: 基於Theano和TensorFlow的快速深度學習庫
徐海蛟教學Keras是一個極簡和高度模塊化的神經網絡庫，Keras由純Python編寫而成並基Tensorflow或Theano。Keras 爲支持快速實驗而生，能夠把你的idea迅速轉換爲結果，學習門檻較低。Windows的版本選擇，可採
2019-02-22 21:51:38
原创 svm 預測標籤的概率輸出
對於圖片或文本，如果童鞋們需要初試分類效果，在MatLab做實驗是比較簡單的。例如：使用Libsvm庫函數svmtrain()訓練學習出一個模型Factor, 然後代入Factor，得到預測標籤向量Predict_label。但是，這些都是
2019-02-22 21:51:37
原创 徐海蛟：深度學習與計算機視覺理論與實驗4
徐海蛟課堂教學AlphaGo的勝利，無人駕駛的成功，模式識別的突破性進展，人工智能的的飛速發展一次又一次地挑動着我們的神經。作爲人工智能的核心，機器學習也在人工智能的大步發展中備受矚目，光輝無限。 如今，機器學習的應用已遍及人工智能的各個
2019-02-22 21:51:25
原创 MatLab2012b/MatLab2013b分類器大全(svm,knn,隨機森林等)
train_data是訓練特徵數據, train_label是分類標籤。Predict_label是預測的標籤。MatLab訓練數據, 得到語義標籤向量 Scores(概率輸出)。1.邏輯迴歸(多項式MultiNomial logistic
2019-02-22 21:51:23
6
原创 RBF高斯徑向基核函數-svm
RBF高斯徑向基核函數(單值:兩個點相似性)XVec表示X向量。||XVec||表示向量長度。r表示兩點距離。r^2表示r的平方。k(XVec,YVec) = exp(-1/(2*sigma^2)*(r^2)) = exp(-g
2018-09-12 04:02:22
3
原创 如何加速一個網站——web性能三方面[轉載]
徐海蛟教學Building a Shop with Sub-Second Page Loads: Lessons Learned利用web緩存和NoSQL系統建立一個應對高訪問量的快速網上商店。用戶滿意度和轉化率強相關（hard-wired
2018-09-12 04:02:22
16
原创 基於深度學習Keras框架的訓練數據增強方法（轉）
徐海蛟教學在深度學習中，當數據量不夠大時候，常常採用下面4中方法：1. 人工增加訓練集的大小. 通過平移, 翻轉, 加噪聲等方法從已有數據中創造出一批"新"的數據.也就是Data Augmentation2. Regularization.
2018-09-12 04:02:22
12
原创 機器學習理論與實驗2
徐海蛟 Teaching.考慮一個隨機變量X，如果給出X的一系列獨立同分布的觀察值，那麼如何由這些觀察值來估計出X的密度函數P（X）？這就是密度估計問題。概率分佈可分爲參數分佈和非參數分佈。參數分佈函數是由一些參數控制的，比如高斯分佈中平
2018-09-12 04:02:22
3
原创 向量X的歸一化及其Matlab簡單示例
徐海蛟博士歸一化是要把需要處理的數據經過處理後限制在一定範圍內，例如：[-1,1]或[0,1]。歸一化是爲了後續數據處理的方便，也使得算法程序收斂加快。在Matlab裏面，歸一化的方法共有3種:（1）mapminmax% 範圍映射（2）ma
2018-09-12 04:02:22
2