橙同学的学习笔记

摘要： 题目下载【传送门】 第1题 简述：支持向量机的实现 （1）线性的情况： 第1步：读取数据文件，可视化数据： 第2步：设定不同的C，使用线性核函数训练SVM，并画出决策边界： 运行结果： C = 1时： C = 1000时： 其中线性核函数linearKernel： 高斯核函数gaussianKern 阅读全文

摘要： Support vector machine（支持向量机 SVM） 1、推导： （1）对于逻辑回归，cost函数为： ① 当 y = 1时，即 θTx >> 0时 ，cost = - log(1 / (1 + e-z)) ，图像如下： 用新的代价函数产生新的曲线：cost1(z) ② 当 y = 0 阅读全文

摘要： 题目下载【传送门】 第1步：读取数据文件，并可视化： 运行结果： 第2步：实现linearRegCostFunction函数，采用线性回归和正规化求 J 和 grad： 第3步：实现训练函数trainLinearReg： 使用 lambda = 0，测试结果： 运行结果：很显然，采用 y = θ0 阅读全文

摘要： 题目下载【传送门】 题目简述：识别图片中的数字，训练该模型，求参数θ。 出现了一个问题：虽然训练的模型能够有很好的预测准确率，但是使用minimize函数时候始终无法成功，无论设计的迭代次数有多大，如下图： 隐藏层显示： 阅读全文

摘要： 1、当预测结果与实际偏差很大时的处理方法： （1）增加训练样本； （2）减少特征集防止过拟合； （3）增加特征集或者多项式特征（如 x1²， x2³ 等）； （4）减小 / 增大 lambda . 2、评估假设函数： 将数据集分成两部分：训练集（70%）和测试集（30%） 具体流程： （1）通过学习 阅读全文

摘要： 题目下载【传送门】 题目简述：识别图片中的数字，训练该模型，求参数θ。 第1步：读取数据文件： 第2步：初始化参数： 其中randInitializeWeights函数实现初始化θ： 第3步：实现nnCostFunction函数，计算 J 和 D： 其中sigmoid函数： 其中sigmoidGra 阅读全文

摘要： Cost function（代价函数） 1、参数表示： m 个训练样本：{(x(1), y(1)), (x(2), y(2)), ..., (x(m), y(m))} 神经网络的层数：L l 层的神经元数量（不计入偏置单元）：Sl 2、两种分类问题： （1）Binary classification 阅读全文

摘要： 题目太长了！下载地址【传送门】 第1题 简述：识别图片上的数字。 运行结果： 第2题 简介：使用神经网络实现数字识别（Θ已提供） 神经网络的矩阵表示分析： 运行结果： 阅读全文

摘要： 学习内容： 基于深度学习的行人重识别研究进展(自动化学报.2019)——第1-2章 渐进式行人重识别关键技术研究（博士论文.2019）——第1章 【由于刚开始接触Re-ID，尚未学习深度学习，理解较为粗浅，仅仅阅读了通识部分，算法章节待基础学完再去理解。】 1、什么是行人重识别？ 行人重识别 (Pe 阅读全文

摘要： 题目太长了！下载地址【传送门】 第1题 简述：识别图片上的数字。 第1步：读取数据文件： 第2步：实现displayData函数： 运行结果： 第3步：计算θ： 其中oneVsAll函数： 第4步：实现lrCostFunction函数： 第5步：实现sigmoid函数： 第6步：计算预测的准确性： 阅读全文