摘要: 一、简介 支持向量机(support vector machines)是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。由简至繁的模型包括: (1)当训练样本线性可分时,通过硬间隔最大化,学习一个线性可分支持向量机; (2)当训练 阅读全文
posted @ 2018-09-16 11:08 CharlesQAQ 阅读(399) 评论(0) 推荐(0) 编辑
摘要: 一、什么是压缩感知(CS)? compressed sensing又称compressed sampling,CS是一个针对信号采样的技术,它通过一些手段,实现了“压缩的采样”,准确说是在采样过程中完成了数据压缩的过程。 因此我们首先要从信号采样讲起: 1. 我们知道,将模拟信号转换为计算机能够处理 阅读全文
posted @ 2018-09-16 10:25 CharlesQAQ 阅读(3105) 评论(1) 推荐(2) 编辑
摘要: 范数包括向量范数和矩阵范数。 向量范数的定义: 常用的向量范数有: 0范数(L0范数)-向量中非0元素的个数; 1范数(L1范数)-向量中各个元素绝对值之和; 2范数(L2范数)-向量的模长; 无穷范数(最大范数)-向量中各个元素绝对值的最大值。 矩阵范数的定义: 常用的矩阵范数: F范数-矩阵中所 阅读全文
posted @ 2018-09-16 10:14 CharlesQAQ 阅读(1287) 评论(0) 推荐(0) 编辑
摘要: LeNet-5是一个较简单的卷积神经网络。下图显示了其结构:输入的二维图像,先经过两次卷积层到池化层,再经过全连接层,最后使用softmax分类作为输出层。关于CNN参见:https://blog.csdn.net/qq_42570457/article/details/81458077 LeNet 阅读全文
posted @ 2018-09-16 10:13 CharlesQAQ 阅读(12127) 评论(0) 推荐(3) 编辑
摘要: 一、卷积神经网络的基本概念 卷积神经网络与普通神经网络的区别在于,卷积神经网络包含了一个由卷积层和子采样层(池化层)构成的特征抽取器。在卷积神经网络的卷积层中,一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中,通常包含若干个特征图(featureMap),每个特征图由一些矩形排列的的神经元组 阅读全文
posted @ 2018-09-16 10:12 CharlesQAQ 阅读(46071) 评论(0) 推荐(2) 编辑
摘要: 首先了解下Iris鸢尾花数据集: Iris数据集(https://en.wikipedia.org/wiki/Iris_flower_data_set)是常用的分类实验数据集,由Fisher,1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类 阅读全文
posted @ 2018-09-16 10:11 CharlesQAQ 阅读(10550) 评论(0) 推荐(0) 编辑
摘要: 说到神经网络,大家看到这个图应该不陌生: 这是典型的三层神经网络的基本构成,Layer L1是输入层,Layer L2是隐含层,Layer L3是隐含层,我们现在手里有一堆数据{x1,x2,x3,…,xn},输出也是一堆数据{y1,y2,y3,…,yn},现在要他们在隐含层做某种变换,让你把数据灌进 阅读全文
posted @ 2018-09-16 10:10 CharlesQAQ 阅读(24337) 评论(3) 推荐(12) 编辑
摘要: 原文出处:http://www.cnblogs.com/fnlingnzb-learner/p/5831284.html 系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 阅读全文
posted @ 2018-09-16 10:07 CharlesQAQ 阅读(261) 评论(0) 推荐(1) 编辑