摘要：
1.问题描述 小孩分油问题 两个小孩去打油，一人带了一个一斤的空瓶，另一个带了一个七两、一个三两的空瓶。原计划各打一斤油，可是由于所带的钱不够，只好两人合打了一斤油，在回家的路上，两人想平分这一斤油，可是又没有其它工具。试仅用三个瓶子(一斤、七两、三两)精确地分出两个半斤油来。 2.算法设计 令状态 阅读全文
摘要：
1. Classification losses 每次输入一个样本，对样本进行类别预测，根据预测类别和真实标签得到对应的分类损失。 2. Pairwise losses 每次输入两个样本，数据集包含了这两个样本是否相似的信息。计算损失时根据模型在这两个样本上的输出和相似信息进行计算。 3. Trip 阅读全文
摘要：
一、问题分析 1. 问题描述 在Yale数据集上完成以下工作：在给定的人脸库中，通过算法完成人脸识别，算法需要做到能判断出测试的人脸是否属于给定的数据集。如果属于，需要判断出测试的人脸属于数据集中的哪一位。否则，需要声明测试的人脸不属于数据集。 2. 数据集分析 Yale人脸数据集由耶鲁大学创建，包 阅读全文
摘要：
Notation 该论文中应用到较多符号，为避免混淆，在此进行解释： n： 原始数据集的大小 l： 实验中用于监督学习的数据集大小（矩阵S行/列的大小） m： 辅助数据集，用于得到基于核的哈希函数 r： 比特位数量/哈希函数的个数 1. Introduction 先前的哈希检索方法，要么精度低，要么 阅读全文
摘要：
1. Introduction 在传统的LSH、SSH、PCA ITQ等哈希算法中，本质都是利用超平面对数据点进行划分，但是在D维空间中，至少需要D+1个超平面才能形成一个封闭、紧凑的区域。而球哈希方法利用 超球面（hypersphere） 对数据进行划分，在任何维度下，只需要1个超球面便可形成一个 阅读全文
摘要：
参考 "YOLO（You Only Look Once）算法详解" " YOLO算法的原理与实现 " 一、介绍 YOLO算法把物体检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。YOLO具有如下优点：（1）YOLO的运行速度非常快；（2）YO 阅读全文
摘要：
Abstract 针对大规模的图像检索问题，论文提出了一个高效的ITQ算法。该算法先将中心化后的数据映射到超立方体的顶点上，再通过优化过程寻找一个旋转矩阵，使得数据点经过旋转后，与超立方体的顶点数据具有最小的量化误差。ITQ算法涉及到了 multi class spectral clustering 阅读全文
摘要：
1. 基本思想 局部敏感（Locality Senstitive）： 即空间中距离较近的点映射后发生冲突的概率高，空间中距离较远的点映射后发生冲突的概率低。 局部敏感哈希的基本思想类似于一种空间域转换思想，LSH算法基于一个假设，如果两个文本在原有的数据空间是相似的，那么分别经过哈希函数转换以后的它 阅读全文
摘要：
一、问题分析 1. 传统神经网络在处理序列输入时存在的问题 在不同的示例中，输入和输出可能具有不同的维度。 无法在不同的文本位置共享所学到的特征信息。 2. 循环神经网络存在的问题 RNN使用先前的信息以及现在的输入来得到输出，但是输出不仅仅只跟前面的信息有关，可能还会和后面的信息有关。因此没有利用 阅读全文
摘要：
一、介绍 在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就是为了解决这种问题。在ZSL中，某一 阅读全文