java-含工具类 第三方api 本科毕业设计 考研 研究生 javaweb---jsp asp数据库框架 ide -- myeclipse相关 数据库

3D卷积神经网络  【机器学习算法分析】

卷积神经网络中二维卷积核与三维卷积核有什么区别? https://www.zhihu.com/question/266352189 基于3D卷积神经网络的人体行为理解(论文笔记) https://blog.csdn.net/zouxy09/article/details/9002508 3D CNN模型的主要特性有: 1)通过3D卷积操作核去提取数据的时间和空间特征,在CNN的卷积层使用3D卷积。 2)3D

混合高斯背景建模 -- 运动目标检测背景提取  【机器学习算法分析】

在运动目标检测提取中,背景目标对于目标的识别和跟踪至关重要。而建模正是背景目标提取的一个重要环节。 前景是指在假设背景为静止的情况下,任何有意义的运动物体即为前景。 运动物体检测的问题主要分为两类,摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题,比较著名的解决方案是光流法,通过求解偏微分方程求的图像序列的光流场,从而预测摄像机的运动状态。对于摄像机固定的情形,当然也可以用光流法,但是由于光流法的复杂性,往往难以实时的计算。而混合高斯背景建模适合于在摄像机固定的情况下从图像

高斯混合模型原理  【机器学习算法分析】

什么是高斯混合模型(Gaussian Mixture Model) 高斯混合模型(Gaussian Mixture Model)通常简称GMM,是一种业界广泛使用的聚类算法,该方法使用了高斯分布作为参数模型,并使用了期望最大(Expectation Maximization,简称EM)算法进行训练。 本文对该方法的原理进行了通俗易懂的讲解,期望读者能够更直观地理解方法原理。文本的最后还分析了高斯混合模型了另一种常见聚类算法K-means的关系,实际上在特定约束条件下,

卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning  【机器学习算法分析】

关于卷积神经网络CNN,网络和文献中有非常多的资料,我在工作/研究中也用了好一段时间各种常见的model了,就想着简单整理一下,以备查阅之需。 Lenet,1986年 Alexnet,2012年 GoogleNet,2014年 VGG,2014年 Deep Residual Learning,2015年 Le

AlexNet网络  【机器学习算法分析】

论文:《ImageNet Classification with Deep Convolutional Neural Networks》 第一个典型的CNN是LeNet5网络结构,但是第一个引起大家注意的网络却是AlexNet,也就是文章《ImageNet Classification with Deep Convolutional Neural Networks》介绍的网络结构。这篇文章的网络是在2012年的ImageNet竞赛中取得冠军的一个模型整理后发表的文章。作者是多伦多大学的Alex Kr

直线检测-Radon变换、Hough变换  【机器学习算法分析】

Radon      radon函数对应格式包括:[R,xp] = radon(I,theta);     其中,R为线积分值,xp为径向坐标,theta为投影角度;      图像投影,就是说将图像在某一方向上做线性积分(累加求和)。如果将图像看成二维函数f(x, y),则其投影就是在特定方向上的线性积分,比如f(x, y)在垂直方向上的线性积分就是其在x轴上的投影;f(x, y)在水平方

混合动态纹理模型(Mixtures of Dynamic Textures, MDT)  【机器学习算法分析】

在计算机视觉领域,混合动态纹理模型(Mixtures of Dynamic Textures, MDT)常用于视频帧序列建模。比如对帧序列的分割,局部或全局的异常事件检测。下图能很好表明MDT的建模过程及其应用,该模型用于人群场景中局部异常的检测。首先,训练阶段:在一定的训练时间内且在每一个子区域中学习相应的MDT模型;其次,测试阶段:针对每一个子区域的MDT模型计算测试帧对应区域的负对数似然。整个过程类比于GMM模型用于视频建模,其中两者的区别在于GMM模型中的样本数据点为单帧中的local patch

主成分分析(PCA)直观的理解  【机器学习算法分析】

模型降维(Dimensionality Reduction For Dummies)——直觉 原文地址,不翻墙也能看,只是加载的慢。 人类是视觉生物。为了相信我们需要去亲自目睹。当你有一个超过三维的数据集时,你就不可能用眼睛去看这堆数据到底表达了什么。但是那些额外的维度真的是必须的吗?是否有一个方法可以将它降到一维,二维或者人类的三维?确实有这种方法。 主成分分析(PCA)就是专门解决这个问题的。它简单优雅。不幸的是,简单并不意味着容易看透和理解。如果你之前接触过PCA

LRN 局部响应归一化层  【机器学习算法分析】

局部响应归一化层(LRN) https://www.jianshu.com/p/c014f81242e7 LRN(local response normalization--局部响应标准化) https://www.cnblogs.com/CJT-blog/p/9314134.html 局部响应归一化层简称LRN,是在深度学习中提高准确度的技术方法。一般是在激活、池化后进行的一种处理方法。 首先要引入一个神经生物学的概念:侧抑

隐马尔可夫模型 HMM  【机器学习算法分析】

隐马尔可夫模型 http://www.hankcs.com/ml/hidden-markov-model.html 如何用简单易懂的例子解释隐马尔可夫模型? https://www.zhihu.com/question/20962240 隐马尔可夫模型是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列,再由各个状态生成一个观测而产生观测随机序列的过程。隐藏的马尔可夫链随机生成的状态的序列,称为状态序列(state seque

残差网络ResNet网络原理及实现  【机器学习算法分析】

深度学习之16——残差网络(ResNet)  https://zhuanlan.zhihu.com/p/72679537 残差网络ResNet网络原理及实现 https://www.jianshu.com/p/ebc3e242147e 恒等映射、残差学习单元 网络的深度为什么重要? 我们知道,在CNN网络中,我们输入的是图片的矩阵,也是最基本的特征,整个CNN网络就是一个信息提取的过程,从底层的特征逐渐抽取到高度抽象的特征,网

Two-Stream CNN(双流CNN)  【机器学习算法分析】

所谓two-stream是指空间stream和时间stream,视频可以分成空间与时间两个部分,空间部分指独立帧的表面信息,关于物体、场景等;而时间部分信息指帧间的光流,携带着帧之间的运动信息。相应的,所提出的网络结构由两个深度网络组成,分别处理时间与空间的维度。 双流法 (Two-Stream) 以及 C3D卷积 https://www.jianshu.com/p/e5156a67c71d

长短期记忆网络 LSTM  【机器学习算法分析】

理解 LSTM 网络 https://www.jianshu.com/p/9dc9f41f0b29 tensorflow lstm 实现mnist https://www.jianshu.com/p/17ea40c1bbb7 循环神经网络(Recurrent Neural Network, 简称 RNN); 长短期记忆(Long Short-Term Memory, 简称 LSTM); 门限循环单元(Gated Recurrent Unit, 简称 GRU)

注意力机制  【机器学习算法分析】

自然语言处理中的自注意力机制(Self-attention Mechanism) https://www.cnblogs.com/robert-dlut/p/8638283.html 大话注意力机制(Attention Mechanism) https://my.oschina.net/u/876354/blog/3061863

机器学习中的范数规则化 L0、L1与L2范数  【机器学习算法分析】

机器学习中的范数规则化之(一)L0、L1与L2范数 zouxy09@qq.com http://blog.csdn.net/zouxy09          今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文。知识有限,以下都是我一些浅显的看

1  2  3  下一页  尾页3