小恶魔oo

摘要： 博客园-谱聚类(spectral clustering)原理总结 阅读全文

摘要： 论文地址： "Attention GAN for Object Transfiguration in Wild Images" 最近学习了一下ECCV2018的attentionGAN，文章中attention能自动注意到 __前景目标__ 的现象让我感觉很神奇，同时又很困惑，在这个以CycleGA 阅读全文

摘要： 在之前的学习 "2020/01/02 深度学习数学基础学习——朴素贝叶斯" 中，大概的了解了生成学习的原理，但是对算法实现的 __完整流程__ 不够清晰，所以今天想通过对生成学习回顾，明确一下生成学习的流程框架。 学习资料： "斯坦福CS229 note2 Generative Learning a 阅读全文

摘要： 理解协方差 方差 首先，我们设$X$表示随机变量，它的观测样本是$(x_{1}, x_{2}, ..., x_, ...)\(。有了观测样本，我们可以计算出观测样本的平均值\)\bar$。进一步，我们可以利用公式： \(\sigma_{x}^{2}=\frac{1}{n-1} \sum_{i=1}^ 阅读全文

摘要： 什么是高斯混合模型 高斯混合模型（GMM）认为，一个数据分布可以有几个高斯分布组合而成。 参考博客：| 知乎 | 高斯混合模型聚类 对于一个多类别数据集合，所有类别各自的数据分布的组合就是整体数据分布。这非常符合高斯混合模型理论。我们可以用一个生活化一点的例子来说明高斯混合模型聚类。假设有一堆颜色相 阅读全文

摘要： 提出动机 __训练层面__ 1. CNN对见过的样本有好的泛化能力，而没见过的样本则比较差（例：看过正脸很难识别侧脸）。这就是CNN的归纳偏置（inductive bias）。 2. 为了取得对大部分情况都好的泛化能力，需要各种情况的训练样本，这样大大增加训练代价。 3. Capsule希望能够学习 阅读全文

摘要： 学习资料 1. "知乎 【其实贼简单】拉普拉斯算子和拉普拉斯矩阵" 2. "CSDN 我见过最清晰的–理解梯度，散度，旋度" 3. "拉普拉斯矩阵的性质" 阅读全文

摘要： "博客" "代码" 阅读全文

摘要： 问题：这些估计都是干嘛用的？它们存在的意义的是什么？ 有一个受损的骰子，看起来它和正常的骰子一样，但实际上因为受损导致各个结果出现的概率不再是均匀的 \(\frac{1}{6}\) 了。我们想知道这个受损的骰子各个结果出现的实际概率。准确的实际概率我们可能永远无法精确的表示出了，但是我们可以通过做大 阅读全文

摘要： 原始residual论文 "Deep Residual Learning for Image Recognition" 1. 训练深度神经网络的难处： 梯度爆炸/梯度消失 batchnorm等一系列方法较好的解决了这个问题 加深网络，模型退化（degradation） 2. residual着重要解 阅读全文