摘要：
跟着tensorflow上mnist基本机器学习教程联系 首先了解sklearn接口: "sklearn.linear_model.LogisticRegression" In the multiclass case, the training algorithm uses the one vs r 阅读全文
posted @ 2017-09-08 15:36
ranjiewen
阅读(1620)
评论(0)
推荐(0)
摘要：
第三讲_图像特征与描述Image Feature Descriptor 概要 特征提取方法 直方图 对图片数据/特征分布的一种统计；对不同量进行直方图统计；可以表示灰度，颜色，梯度，边缘，形状，纹理，局部特征等 灰度直方图；对量化的bin需要人工选择；量化过宽过窄都不好 聚类 混合样本集中内在群组关 阅读全文
posted @ 2017-09-07 23:21
ranjiewen
阅读(1709)
评论(0)
推荐(0)
摘要：
TensorFlow是一个面向数值计算的通用平台，可以方便地训练线性模型。下面采用TensorFlow完成Andrew Ng主讲的Deep Learning课程练习题，提供了整套源码。 线性回归 多元线性回归 逻辑回归 线性回归 思考：对于tensorflow，梯度下降的步长alpha参数需要很仔细 阅读全文
posted @ 2017-09-07 11:58
ranjiewen
阅读(651)
评论(0)
推荐(0)
摘要：
第二讲_图像数据处理Image Data Processing 深度模型出现后被弱化，但是思想的影子在深度模型中可以看到的 图片存储原理 RGB颜色空间:三通道（b,g,r），加法混色 CMY(K):减法混色，用到印刷中；四个通道（c,m,y,k） HSI/HSV颜色空间：基于人类视觉； CIE X 阅读全文
posted @ 2017-09-06 00:39
ranjiewen
阅读(966)
评论(0)
推荐(0)
摘要：
贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。 优缺点： 优点：在数据较少的情况下 阅读全文
posted @ 2017-09-05 20:51
ranjiewen
阅读(1092)
评论(0)
推荐(1)
摘要：
广泛使用的分类算法——决策树（decision tree）。相比贝叶斯算法，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。 决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测 阅读全文
posted @ 2017-09-04 15:45
ranjiewen
阅读(2436)
评论(0)
推荐(0)
摘要：
ImageNet Classification with Deep Convolutional Neural Networks 从AlexNet剖析-卷积网络CNN的一般结构 AlexNet是Hinton和他的学生Alex Krizhevsky在12年ImageNet Challenge使用的模型结 阅读全文
posted @ 2017-09-03 20:59
ranjiewen
阅读(961)
评论(0)
推荐(0)
摘要：
https://github.com/ranjiewwen/EasyPR 阅读全文
posted @ 2017-09-03 00:16
ranjiewen
阅读(545)
评论(0)
推荐(0)
摘要：
计算机视觉人脸相关开源项目总结 https://github.com/ageitgey/face_recognition 深度学习人脸关键点检测方法 综述 计算机视觉人脸相关开源项目总结 https://github.com/ageitgey/face_recognition 深度学习人脸关键点检测 阅读全文
posted @ 2017-09-03 00:15
ranjiewen
阅读(393)
评论(0)
推荐(0)
摘要：
背景 背景 强化学习 强化学习 MDP基本元素 这部分比较难懂，没有详细看：最优函数值，最优控制等 Q-learning Q-learning 神经网络 神经网络 环境搭建 windows下通过pip安装TensorFlow，opencv-python,pygame 实验 环境搭建 实验 https 阅读全文
posted @ 2017-09-03 00:07
ranjiewen
阅读(1188)
评论(0)
推荐(0)
浙公网安备 33010602011771号