摘要：1、定义 在数学最优问题中，拉格朗日乘数法是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法 这种方法将一个有 n 个变量与 k 个约束条件的最优化问题转换为一个有 n + k 个变量的方程组的极值问题，其变量不受任何约束 这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度（g 阅读全文

摘要：1、伯努利实验 伯努利试验是只有两种可能结果的单次随机试验 进行一次伯努利试验，成功（X=1）概率为 p(0<=p<=1)，失败（X=0）概率为 1-p 在一次伯努利实验中，随机变量 X 服从伯努利分布（0-1分布） 如果试 E 是一个伯努利试验，将 E 独立重复地进行 n 次，则称这一串重复的独立 阅读全文

摘要：1、高斯密度函数 为常数 若变量 X 满足上述函数，则称其服从参数为 μ,σ 的正态分布或高斯分布 记作 X~N(μ,σ^2 ) 2、参数的极大似然估计 μ 的极大似然估计 （一维数据） （高维数据） x 和 μ 的马氏距离：，∑ 是 x 和 μ 的协方差矩阵 当协方差矩阵 ∑ 是单位矩阵，马氏距离 阅读全文

摘要：1、机器学习的任务 机器学习的任务是从属性 X 预测标记 Y，即求概率 P(Y|X) 2、判别式模型 对未见示例 X，判别式模型根据 P(Y|X) 可以求得标记 Y，即可以直接判别出来 对于二分类任务来说，实际得到一个score，当score大于threshold时则为正类，否则为反类 如上图的左边 阅读全文

摘要：1、概述 极大似然估计（Maximum Likelihood Estimation, MLE） 极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。 通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。 极大后验估计（ 阅读全文

摘要：最近两周忙着上网课、投简历，博客没什么时间写，姑且把之前做的笔记放上来把。。。 下面是我之前看论文时记的笔记，直接copy上来了，内容是Fast R-CNN的，以后如果抽不出时间写博客，就放笔记上来（实则偷懒。。。。） 1、改进 端到端的学习 将图片用选择搜索算法（select search）得到2 阅读全文

摘要：上周简要介绍了一下AlexNet，这周来聊一聊RCNN。 2013年提出的RCNN结合了启发式的区域推荐（Select Search）、CNN特征提取器（AlexNet）和传统的图像分类器（SVM），在07-12年的VOC数据集上以压倒性的优势将旧霸主DPM远远甩在身后，详细数据可见原文（https 阅读全文