WUST许志伟 - 博客园

2018年9月5日

摘要： 12.支持向量机觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址参考资料斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.2 大间距的直观理解- Large Margin Intuition 人们有时将支持向量机看作是大间距分类器。在这一部分，我将介绍其中的含义，这有助阅读全文

posted @ 2018-09-05 17:07 WUST许志伟阅读(2410) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]12支持向量机1从逻辑回归到SVM/SVM的损失函数

摘要： 12.支持向量机觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址参考资料斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.1 SVM损失函数从逻辑回归到支持向量机为了描述支持向量机，事实上，我将会从逻辑回归开始展示我们如何一点一点修改来得到本质上的支持向量机。逻辑阅读全文

posted @ 2018-09-05 10:58 WUST许志伟阅读(2551) 评论(0) 推荐(0) 编辑

2018年9月4日

[吴恩达机器学习笔记]11机器学习系统设计5数据量对机器学习的影响

摘要： 11. 机器学习系统的设计觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址参考资料斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.5 数据量对机器学习的影响 Data For Machine Learning 问题引入很多很多年前，我认识的两位研究人员 Michel 阅读全文

posted @ 2018-09-04 22:42 WUST许志伟阅读(1098) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]11机器学习系统设计3-4/查全率/查准率/F1分数

摘要： 11. 机器学习系统的设计觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址参考资料斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.3 偏斜类的误差度量 Error Metrics for Skewed Classes 偏斜类 Skewed Classes 类偏斜情况表阅读全文

posted @ 2018-09-04 20:31 WUST许志伟阅读(669) 评论(0) 推荐(0) 编辑

2018年9月3日

[DeeplearningAI笔记]序列模型3.9-3.10语音辨识/CTC损失函数/触发字检测

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.9语音辨识 Speech recognition 问题描述对于音频片段(audio clip)x ,y生成文本(transcript)，人听见的或者麦克风捕捉的都是空气中细微的气压变化，语音识别系统能够根据阅读全文

posted @ 2018-09-03 21:33 WUST许志伟阅读(728) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型3.7-3.8注意力模型

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.7注意力模型直观理解Attention model intuition 长序列问题 The problem of long sequences 对于给定的长序列的法语句子，在下图中的网络中，绿色的编码器读取整阅读全文

posted @ 2018-09-03 16:45 WUST许志伟阅读(588) 评论(0) 推荐(0) 编辑

2018年9月1日

[DeeplearningAI笔记]序列模型3.6Bleu得分/机器翻译得分指标

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.6Bleu得分在机器翻译中往往对应有多种翻译，而且同样好，此时怎样评估一个机器翻译系统是一个难题。常见的解决方法是通过BLEU得分来进行判断评价机器翻译Evaluating machine transl 阅读全文

posted @ 2018-09-01 11:20 WUST许志伟阅读(557) 评论(0) 推荐(0) 编辑

2018年8月31日

[DeeplearningAI笔记]序列模型3.3-3.5集束搜索

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.3 集束搜索Beam Search 对于机器翻译来说，给定输入的句子，会返回一个随机的英语翻译结果，但是你想要一个最好的英语翻译结果。对于语音识别也是一样，给定一个输入的语音片段，你不会想要一个随机的文本翻译阅读全文

posted @ 2018-08-31 15:22 WUST许志伟阅读(1174) 评论(0) 推荐(0) 编辑

2018年8月30日

[DeeplearningAI笔记]序列模型3.2有条件的语言模型与贪心搜索的不可行性

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.2选择最可能的句子 Picking the most likely sentence condition language model 有条件的语言模型对于语言模型，能够估计出这些单词是一个句子的可能性阅读全文

posted @ 2018-08-30 20:27 WUST许志伟阅读(437) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型3.1基本的 Seq2Seq /image to Seq

摘要： 5.3序列模型与注意力机制觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 3.1基础模型 [1] Sutskever I, Vinyals O, Le Q V. Sequence to Sequence Learning with Neural Networks[J]. 2014, 4 阅读全文

posted @ 2018-08-30 15:41 WUST许志伟阅读(487) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型2.10词嵌入除偏

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.10词嵌入除偏 Debiasing word embeddings Bolukbasi T, Chang K W, Zou J, et al. Man is to Computer Programmer as Wom 阅读全文

posted @ 2018-08-30 11:00 WUST许志伟阅读(669) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型2.9情感分类

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.9 Sentiment classification 情感分类情感分类任务简单来说是看一段文本，然后分辨这个人是否喜欢或不喜欢他们正在谈论的这段文本。情感分类一个最大的挑战是可能标记的训练集没有那么多，但是有了阅读全文

posted @ 2018-08-30 09:38 WUST许志伟阅读(580) 评论(0) 推荐(0) 编辑

2018年8月29日

[DeeplearningAI笔记]序列模型2.8 GloVe词向量

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.8 GloVe word vectors GloVe词向量 Pennington J, Socher R, Manning C. Glove: Global Vectors for Word Representati 阅读全文

posted @ 2018-08-29 21:27 WUST许志伟阅读(816) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型2.7负采样Negative sampling

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.7 负采样 Negative sampling Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phra 阅读全文

posted @ 2018-08-29 18:56 WUST许志伟阅读(3333) 评论(2) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型2.6Word2Vec/Skip-grams/hierarchical softmax classifier 分级softmax 分类器

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.6 Word2Vec Word2Vec相对于原先介绍的词嵌入的方法来说更加的简单快速。 Mikolov T, Chen K, Corrado G, et al. Efficient Estimation of Wor 阅读全文

posted @ 2018-08-29 14:17 WUST许志伟阅读(879) 评论(0) 推荐(0) 编辑

2018年8月28日

[DeeplearningAI笔记]序列模型2.3-2.5余弦相似度/嵌入矩阵/学习词嵌入

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.3词嵌入的特性 properties of word embedding Mikolov T, Yih W T, Zweig G. Linguistic regularities in continuous spac 阅读全文

posted @ 2018-08-28 20:05 WUST许志伟阅读(1263) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型2.1-2.2词嵌入word embedding

摘要： 5.2自然语言处理觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.1词汇表征 Word representation 原先都是使用词汇表来表示词汇，并且使用1-hot编码的方式来表示词汇表中的词汇。这种表示方法最大的缺点是它把每个词孤立起来，这样使得算法对相关词的泛化能力不强阅读全文

posted @ 2018-08-28 11:16 WUST许志伟阅读(725) 评论(0) 推荐(0) 编辑

2018年8月27日

[DeeplearningAI笔记]序列模型1.10-1.12LSTM/BRNN/DeepRNN

摘要： 5.1循环序列模型觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.10长短期记忆网络(Long short term memory)LSTM Hochreiter S, Schmidhuber J. Long Short-Term Memory[J]. Neural Computa 阅读全文

posted @ 2018-08-27 20:17 WUST许志伟阅读(508) 评论(0) 推荐(0) 编辑

2018年8月21日

[DeeplearningAI笔记]序列模型1.7-1.9RNN对新序列采样/GRU门控循环神经网络

摘要： 5.1循环序列模型觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.7对新序列采样基于词汇进行采样模型在训练完一个模型之后你想要知道模型学到了什么，一种非正式的方法就是进行一次新序列采样。一个序列模型模拟了任意特定单词序列的概率，对新序列采样即是对概率分布进行采样来生成一个新的阅读全文

posted @ 2018-08-21 22:22 WUST许志伟阅读(1011) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型1.5-1.6不同类型的循环神经网络/语言模型与序列生成

摘要： 5.1循环序列模型觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.5不同类型的循环神经网络上节中介绍的是具有相同长度输入序列和输出序列的循环神经网络，但是对于很多应用$T_和T_$并不一定相等。在此节会介绍不同的能够处理不同问题的循环神经网络。多对多循环神经网络对于命名实阅读全文

posted @ 2018-08-21 11:15 WUST许志伟阅读(341) 评论(0) 推荐(0) 编辑

2018年8月20日

[DeeplearningAI笔记]序列模型1.3-1.4循环神经网络原理与反向传播公式

摘要： 5.1循环序列模型觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.3循环神经网络模型为什么不使用标准的神经网络假如将九个单词组成的序列作为输入，通过普通的神经网网络输出输出序列，在不同的例子中输入数据和输出数据具有不同的长度，即每个数据不会有一样的长度也许每个语句都有最大长阅读全文

posted @ 2018-08-20 17:01 WUST许志伟阅读(576) 评论(0) 推荐(0) 编辑

2018年8月19日

[DeeplearningAI笔记]序列模型1.1-1.2序列模型及其数学符号定义

摘要： 5.1循环序列模型觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.1什么是序列模型在进行语音识别时，给定了一个输入音频片段X，并要求输出片段对应的文字记录Y，这个例子中的输入和输出都输序列数据。因为X是一个按时序播放的序列音频而输出Y是一系列单词。音乐生成使用的也是序列数据，在阅读全文

posted @ 2018-08-19 13:39 WUST许志伟阅读(739) 评论(0) 推荐(0) 编辑

2018年8月18日

[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积

摘要： 4.4特殊应用:人脸识别和神经网络风格转换觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 4.11一维和三维卷积二维和一维卷积对于2D卷积来说，假设原始图像为$14143$的三通道图像，使用32个$553$的卷积核(其中3表示通道数，一般只关注感受野的大小，而卷积核的深度大小与输入阅读全文

posted @ 2018-08-18 21:38 WUST许志伟阅读(2015) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]卷积神经网络4.6-4.10神经网络风格迁移

摘要： 4.4特殊应用:人脸识别和神经网络风格转换觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 4.6什么是神经网络风格转换neural style transfer 将原图片作为内容图片Content，风格图片Style，生成的图片用Generated image 表示。 4.7深度卷积神阅读全文

posted @ 2018-08-18 20:52 WUST许志伟阅读(1411) 评论(0) 推荐(0) 编辑

2018年8月16日

[DeeplearningAI笔记]卷积神经网络4.1-4.5 人脸识别/one-shot learning/Siamase网络/Triplet损失/将面部识别转化为二分类问题

摘要： 4.4特殊应用:人脸识别和神经网络风格转换觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 4.1什么是人脸识别 Face verification人脸验证 VS face recognition人脸识别 Face verification人脸验证人脸验证输入是一张图片，以及人的姓名阅读全文

posted @ 2018-08-16 21:48 WUST许志伟阅读(3129) 评论(0) 推荐(0) 编辑

cloud&ken

公告