- 博客(14)
- 收藏
- 关注
RSS订阅转载 可视化理解卷积神经网络
可视化理解卷积神经网络最先提出可视化理解卷积神经网络的是Matthew D. Zeiler在《Visualizing and Understanding Convolutional Networks》。下面的两篇博客可以帮助大家更好地来理解这篇文章，第一篇文章是上面这篇论文的翻译，第二篇文章是博主对可视化神经网络的理解。
2016-06-22 16:54:18
3318
原创 High-Speed Tracking with Kernelized Correlation Filters
KCF最近刚接触了跟踪算法，KCF是第一个深读的算法，接下来主要详细地说下该算法原理，此算法的优势就是速度快，这主要得益于作者巧妙地通过循环偏移构建出了分类器的训练样本，从而使得数据矩阵变成了一个循环矩阵。然后基于循环矩阵的特性把问题的求解变换到了傅里叶变换域，从而避免了矩阵求逆的过程，大大降低了算法的复杂度。
2016-03-28 17:50:20
3403
转载 Caffe ubuntu
开始使用Caffe，尝试地跑点东西，这些博客现在好多，分享亲测好用的。 http://www.bubuko.com/infodetail-1270886.html
2016-03-17 21:16:15
574
原创 AlexNet
接下来学习一下经典的Alexnet，关于卷积神经网络，不同的网络算法，其实大家的框架是一样的，不一样的是大家的卷基层，也就是提取特征的过程。整个算法的体系Alexnet包含了八个学习层，五个卷积层和三个全连接层
2016-03-15 18:31:17
28397
原创 卷积神经网络
本人学习卷积神经网络主要是在图像这一方面，其实网上关于这方面的博客已经非常多了，我一般些博客主要就是为了整理一下自己的思路，一些具体推导都是转载别人的博客。我觉得要理解一个新的东西，首先要对这个东西的整体框架有个把握，然后在对内部的一些细节进行较为仔细的推导，这样的学习过程比较高效。 一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征
2016-03-15 15:20:06
1250
原创 BP神经网络
学习是神经网络一种最重要也最令人注目的特点。在神经网络的发展进程中，学习算法的研究有着十分重要的地位。目前，人们所提出的神经网络模型都是和学习算 法相应的。所以，有时人们并不去祈求对模型和算法进行严格的定义或区分。有的模型可以有多种算法．而有的算法可能可用于多种模型。不过，有时人们也称算法 为模型。自从40年代Hebb提出的学习规则以来，人们相继提出了各种各样的学习算法。其中以在1986年Rumelhart等提出
2016-03-15 13:25:13
592
1
原创 K-Means聚类
K-Means聚类算法基本流程 随机选取k个中心点 遍历所有数据，将每个数据划分到最近的中心点中 计算每个聚类的平均值，并作为新的中心点 重复2-3，直到这k个中线点不再变化（收敛了），或执行了足够多的迭代 时间复杂度：O(I*n*k*m) 空间复杂度：O(n*m) 其中m为每个元素字段个数，n为数据量，I为迭代个数。一般I,k,m均可认为是常量，所以时间和空间
2016-03-12 11:36:04
440
原创 机器学习中的分类算法
机器学习，模式识别中很重要的一环，就是分类，因为计算机其实无法深层次地理解文字图片目标的意思，当然现在卷积神经网络正在希望计算机能够看懂东西，但是现在我们先来看一些一些简单的分类算法。
2016-03-09 11:32:39
22718
转载 机器学习—学习笔记
很好的机器学习笔记，看完后，能对机器学习、深度学习有个初步的认识和了解。http://blog.csdn.net/zouxy09/article/details/8775360
2016-03-08 16:35:19
391
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人