zh、dawn

摘要： dropout百度翻译有退学者的意思，我觉得还挺恰当的。 它的核心思想就是让一些节点不参与学习，也就是退学。 可以想象这样一个网络，识别人的网络，这个网络可以分为四个部分，左脸友脸，左边身子右边身子，一般的网络会同时识别这四个部分，但是根据我们的经验，一般只需要半张人脸就可以知道TA是谁了。 dro 阅读全文

摘要： 上采样就是内插等增大图像维度 下采样就是降低图像维度 阅读全文

摘要： 超参数（hyperparameters）是根据经验设定的值，是人为设定的值。 阅读全文

摘要： ground-truth表示正确的数据标注，有时也表示数据标注。 阅读全文

摘要： 启发式就是能快速出结果的算法，出来的结果一般是可用的，但是不能保证全局最优，也不能保证算法的完备性。全局最优容易理解，完备性是说能这个算法能不能找到所有的解，或者干脆判定此问题无解。 就是我也不知道该怎么办最好，先想个差不多的办法试试，你别问我为什么这样，这是启发式方法。 启发式，就是结果不一定对， 阅读全文

摘要： 数据流中一个新出现的问题是概念漂移的检测。当漂移随时间逐渐增大时，该问题会加剧。在这项工作中，我们定义了一种检测概念漂移的方法，即使是在缓慢渐变的情况下。它基于分类错误之间距离的估计分布。该方法可通过两种方式与任何学习算法结合使用：将其用作批学习算法的包装器或在增量在线算法中实现。实验结果将我们的方 阅读全文

摘要： 一直以来对这个有所疑惑，所里师姐和师兄的解释好像和论文中的在线离线有所不同。现在国内外有这么几种理解方式。我就在这边给自己做个小笔记吧。有不对的地方望予以指正，本人必虚心改正。 在线学习和离线学习(online learning and offline learning)理解方式一：在这一次训练中： 阅读全文

摘要： DDM DDM的思想也很简单，就是control the online error-rate of the algorithm（控制算法的在线错误率）。如果样本数据是稳定分布的，那么随着数据的输入，模型的错误率就会逐渐下降；当概率分布发生变化时，模型的错误率就会上升。所以DDM就是在线控制模型训练过 阅读全文