摘要：
由于不是专门的信号专业，当我我问很多身边的人怎么解释傅里叶变换时，很少有人能够理解，知道傅里叶变换是用来区分信号频率的这一层面已经算是比较难得了。在做数字图像处理时，图像的空间域和频率域相信也劝退了很多初学者，因此本文就从傅里叶变换的本质开始，逐步地对图像的傅里叶变换进行解释。 一、一维傅里叶变换 阅读全文
摘要：
1、计算卷积神经网络的输出尺寸 \[ n = \dfrac{W-F+2P}{S}+1 \] 其中：\(N\) 代表输出尺寸，\(W\) 代表输入尺寸，\(F\) 代表卷积核大小，\(P\) 代表填充尺寸，\(S\) 代表步长 2、网络参数量的计算 对于CNN而言，每个卷积层的参数量如下： \[ pa 阅读全文
摘要：
机器学习之决策树的构建与剪枝 最近在面试中被问到决策树的知识，当时一脸懵逼，内心OS：“什么？我明明找的是计算机视觉算法岗位，决策树什么的除了刚入学看过一点，现在也全忘了啊！”，于是面试毫无意外的挂掉了。不过一码归一码，我下决心再把机器学习的相关知识复习起来，增加自己相关能力的同时以备不时之需。好了 阅读全文
摘要：
聚类算法与K-means实现 一、聚类算法的数学描述： 区别于监督学习的算法（回归，分类，预测等），无监督学习就是指训练样本的 label 未知，只能通过对无标记的训练样本的学习来揭示数据的内在规律和性质。无监督学习任务中研究最多的就是聚类算法（clustering）。我们假定一个样本集： | 编号 阅读全文
摘要：
一、二叉树的遍历 1.1 二叉树的层序遍历 vector<vector<int>> levelOrder(TreeNode* root) { if(root == nullptr) return {}; //判断根节点是否为空 queue<TreeNode*> que; //创建队列 que.pus 阅读全文
摘要：
本章内容主要描述了在机器学习中的前向传播，反向求导的原理与计算，常见的激活函数和损失函数，以及在网络训练过程中过拟合，梯度消失/爆炸等产生的原理以及解决方案。本人也在学习过程中，如果有错误之处，请各位多多指教。 1.1 神经网络的前向传播 我们首先定义如下图所示的神经网络，为了简单起见，所有的层都不 阅读全文
摘要：
一、图像滤波 图像滤波的主要目的就是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。图像滤波其主要分为线性滤波器和非线性滤波器。 1.1 线性滤波器 1.1.1 均值滤波 **原理：**在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像 阅读全文
摘要：
操作系统的多进程图像 操作系统主要控制计算机的硬件，而其中最重要的就是CPU，因此操作系统的最主要工作就是控制CPU更好地执行命令，那么在介绍进程之前，我们首先来了解一下CPU的工作原理是怎样的。 一、CPU的工作模式 首先，CPU取出程序指针PC，然后到对应的寄存器中取出地址为PC的指令，通过译码 阅读全文
摘要：
在上一篇文章中 深度学习中的优化方法（一） - ZhiboZhao - 博客园 (cnblogs.com) 我们主要讲到了一维函数 \(f(x):R \rightarrow R\) 的优化方法，在实际情况中，待优化的函数往往是多维的 \(f(x):R^{n} \rightarrow R\)，因此本文 阅读全文
摘要：
leetcode26：删除排序数组中的重复元素（留一个） 给你一个有序数组 nums ，请你 原地 删除重复出现的元素，使每个元素只出现一次 ，返回删除后数 组的新长度。 不要使用额外的数组空间，你必须在 原地 修改输入数组 并在使用 O(1) 额外空间的条件下完成。 输入：nums = [1,1, 阅读全文