ostartech - 博客园

2018年12月11日

摘要：感知机单个神经元，只能二分类；需要多搭几个构成网络，来进行多分类。 y=w*x+b;权重和偏置 BP神经网络预测值与真实值差异->损失函数->梯度下降方法优化参数真实值one-hot编码损失函数：每次更新，朝着最优解方向走。学习率0-1。前向传播得到预测值激活函数： sigmod函数，阅读全文

posted @ 2018-12-11 20:49 ostartech 阅读(243) 评论(0) 推荐(0)

小波域进行超分辨率重建

摘要：小波变换系数的HMT模型阅读全文

posted @ 2018-12-11 20:15 ostartech 阅读(247) 评论(0) 推荐(0)

少吃柿子、山楂、黑枣，警惕鞣酸

摘要：鞣酸中文名称：鞣酸中文别名：丹宁酸;单宁酸;没食子鞣酸;鞣质;落叶松栲胶;二倍酸；炭尼酸，柔酸。 2017年10月27日，世界卫生组织国际癌症研究机构公布的致癌物清单初步整理参考，单宁酸和单宁在3类致癌物清单中。效果效果为收敛剂，能沉淀蛋白质，与生物碱、甙及重金属等均能形成不溶性复合物。阅读全文

posted @ 2018-12-11 11:47 ostartech 阅读(3118) 评论(0) 推荐(0)

2018年12月10日

随机森林——学习笔记

摘要：熵增益以特征分类随机特征选择-防止过拟合决策树很容易过拟合过拟合：阅读全文

posted @ 2018-12-10 21:32 ostartech 阅读(182) 评论(0) 推荐(0)

隐马尔可夫树（HMT模型）

摘要： HMT（Hidden Markov Tree）隐马尔可夫树【论文】小波变换与HMT模型的图像插值算法-郭昌-中山大学学报(自然科学版) 阅读全文

posted @ 2018-12-10 20:34 ostartech 阅读(1075) 评论(0) 推荐(0)

单幅图像超分辨率-看论文

摘要：【原文】图像超分辨率重建算法研究_百度文库 https://wenku.baidu.com/view/95989b79e87101f69f31955e.html 单幅图像超分辨率：就是恢复高频信息单幅图像超分辨重建是指只有一幅低分辨率观测图像的情况下，结合图像的一些先验知识，恢复出图像获取时丢失的阅读全文

posted @ 2018-12-10 18:16 ostartech 阅读(1822) 评论(0) 推荐(0)

2018年12月8日

目标检测YOLO算法-学习笔记

摘要：算法发展及对比: 17年底,mask-R CNN YOLO YOLO最大的优势就是快原论文中流程,可以检测出20类物体. 红色网格-张量,在这样一个1×30的张量中保存的数据横纵坐标中心点缩放到0-1之间每一个小网格矩形对应两个不同尺寸比例的物体:竖条,长条;单数是竖着的苗条框,偶数是横着的宽阅读全文

posted @ 2018-12-08 21:20 ostartech 阅读(434) 评论(0) 推荐(0)

2018年12月7日

机器学习自动写诗-学习笔记

摘要：要先将字编码成向量要对之前的信息有记忆相同的输入，写诗，可能有不同的输出。可以发现，输入不止与当前输入有关，还和之前的输入有关。要有记忆！将隐藏层的激活值利用循环神经网络 a0=0,初始值=0 上次输入的不同，记忆值不同，使得现在相同的输入可以得到不同的输出。缺点：梯度爆炸和梯度消失记阅读全文

posted @ 2018-12-07 21:25 ostartech 阅读(1743) 评论(1) 推荐(1)

2018年12月5日

图像jpeg压缩

摘要：图像分割 8X8 颜色空间转换RGB->YCbCr 3个8X8的矩阵离散余弦变换:（Discrete cosine transform），简称DCT。 DCT转换后的数组中第一个是一个直线数据，因此又被称为“直流数据”，简称DC，后面的数据被称为“交流数据”，简称AC 经过颜色空间的转换，每一个8 阅读全文

posted @ 2018-12-05 18:30 ostartech 阅读(534) 评论(0) 推荐(0)

高质量的快速图像缩放——二次线性插值和三次卷积插值

摘要：【转载自】高质量的快速图像缩放——二次线性插值和三次卷积插值_百度文库 https://wenku.baidu.com/view/6fca7014cc7931b765ce15bd.html 图像缩放系列文章的源代码下载 - HouSisong的专栏 - CSDN博客 https://blog.cs 阅读全文

posted @ 2018-12-05 17:02 ostartech 阅读(1046) 评论(0) 推荐(0)

Good Good Study~

Day Day Up!

公告