摘要：
验证： 在测试时可以一张图，但设置use_global_stats:true,已经验证，第一台4gpu上，路径：/home/guangcong/projects/unlabeled-video/train-video-tracking-demo1.3-5.1, 实验一、设置conifg.batchs 阅读全文
2017年4月26日
2017年4月18日
摘要：
set layer parameters: loss_weight:1 阅读全文
2017年4月13日
摘要：
reference: 1. Paper describes initializing the deconv layer with bilinear filter coefficients and train them. But in the provided train/val.prototxt, 阅读全文
2017年4月7日
2017年4月3日
摘要：
2006年以前的一些经典的网络及之间的区别： 1.自编码器： 受限玻尔兹曼堆叠+反向对称堆叠 2.深度信念网络： 受限玻尔兹曼堆叠+睡醒算法（生成模型） 受限玻尔兹曼堆叠+有监督算法，如反向传播（判别模型） 3.深层玻尔兹曼机器： 是一种具备多层结构的无向图模型，不过像受限玻尔兹曼机一样，深层玻尔兹 阅读全文
摘要：
先说一个关系： 概率图模型 >玻尔兹曼机器 >受限玻尔兹曼机器 玻尔兹曼机器是一种特殊的概率图模型，其特殊体现在： （1）二值的 （2）从定义能量开始，能量 >概率 （3）两种区分的节点v,h,共nv+nh个，状态有2^(nv+nh)个，分析时根据每个状态的翻转会带来的能量减少。故有2^(nv+nh 阅读全文
2017年3月30日
摘要：
概率图模型小结： 1. 两种模型：有向图、无向图（先不考虑混合的） 2. 三个知识点：（1）联合概率密度函数的表达 （2）推理 （3）学习 （1）对于联合概率密度函数的表达，是根据图模型结构、贝叶斯链式法则、Hammerslery-Clifford定理、d-分离、Z-分离可以直接写出，分析随机变量之 阅读全文
摘要：
无向图模型： We have now presented three sets of independence assertions associated with a network structure H. For general distributions, Ip(H) is strictly 阅读全文
摘要：
1.为何概率图模型在人工智能中失宠？ 因为（1）不固定维数（2）强假设 2. 1980s开始被接受的原因？ Probabilistic Reasoning in Intelligent Systems 避免了强假设 3. 贝叶斯链式法则 p（x1,x2,..,xn）=p(x1)p(x2|x1)p(x 阅读全文
2017年3月28日
摘要：
参考文献： 知乎 英文教程 Probabilistic Graphical Models：Principles and Techniques 林达华 Learning in Graphical Models Michael Jordan写的那篇经典的Graphical Models 1. Judea 阅读全文
