哈喽

摘要： 一、多层神经网络（为什么可以解决多种问题） 多层神经网络：在输入和输出层上有隐含层，可以克服单层神经网络的限制处理非线性分离问题 多层有更大的区分度，多条线去拟合 第三个图中，每一个方块对应第二个图中神经网络，即有两个隐含层。 第三个图中，每一个方块对应第二个图中神经网络，即有两个隐含层。 二、Fe 阅读全文

摘要： 一、神经网络的结构 习惯的强势：能量最小化 大脑控制区在人对某一个事情形成习惯后，在该事情发生时，作出判断时不再消耗能量。（能量最小化与误差最小化？我想知道这里的能量与一般的能量函数之间有没有什么联系的地方？） 前向网络：网络中只有输入到输出的连接（下面给出单层和多层前向网络） 非隐藏层中可以比较期 阅读全文

摘要： 研一就要过去了，也是第一次觉得自己的适应能力没有想象中的那么好，大概有些东西得到的太顺遂，大概是自己心态摆的不够正，学习是一件很有意思的事情，它可能会枯燥，但是我相信互相作用，你对它的态度会反过来影响它对你的态度，也越发觉得学生再怎么笨，怎么教不会都是老师没有用足够简洁有意思的表达去让人明白，所以别 阅读全文

摘要： 前言 WHY？AI是从策略出发，简单可描述（可以用清晰的规则和算法取实现）的任务，让机器去执行。我们希望复杂难以描述的任务（如无人驾驶，语音识别等情况复杂，需要推理和抽象化的任务）也可以由机器去实现，ML/DL是从数据驱动出发。数据挖掘、模式识别、机器学习和神经网络都是用来解决这些复杂的情况下的任务 阅读全文

摘要： 1、玻尔兹曼机 维基百科 https://zh.wikipedia.org/wiki/受限玻尔兹曼机 基本概念 http://blog.csdn.net/xbinworld/article/details/44901865 RBM是用于进行特征变换的，采用联合概率分布来表示这种映射关系（基本的神经网 阅读全文

摘要： 1、CNN，RNN和DNN https://www.zhihu.com/question/34681168 摘要： CNN神经元上下层之间是局部连接，通过卷积核作为中介，所有的卷积核在所有图像内是共享的（权值共享说明对于特征来说，不同位置可以使用同样的卷积核，说明在特征提取的过程中，在不同位置都可能 阅读全文

摘要： 基于快速搜索与寻找密度峰值的聚类（Alex Rodriguez and Alessandro Laio） 摘要：聚类分析目的是基于元素之间的相似度对其进行分类，应用范围从天文学到生物信息学、文献计量学到模式识别。我们提出一种方法，思想基于簇中心具有比其邻居更大密度的特点以及与更大密度点之间有一个相对 阅读全文

摘要： 决策树是一种基本的分类与回归方法，这里我们主要讨论用于分类的决策树，然后简要介绍随机森林。 阅读全文

摘要： 原创文章，禁止转载 科学、医疗实验和研究获取大量数据，渴望更有效的计算方法去组织和分析，当处理大量的有噪数据集，科学家经常使用一种计算方法寻找数据簇。Frey和Dueck提出一种新的方法找最优簇集合，他们的算法检测特殊数据点叫做exemplars，并且联系每一个点到exemplar，该exempla 阅读全文

摘要： 原创文章，禁止转载 例1，数据点聚类：AP应用到25个二维数据中，使用负平法误差作为相似度 聚类数目不用预先指定 AP的一个优点是聚类数目不用预先指定，而是在消息传递方法中慢慢浮现，取决于输入参考度（preference），这种自动模型的选择，基于先验指定每一个数据点有多合适作为exemplar。 阅读全文