2019 年 3月随笔档案 - gogogo11

数字图像处理

摘要：数字图像处理 + 图不仅仅指的是人可以看见的, 也包括人看不见的电磁波等, 某一些动物可以看见; 但是图像则将范围仅限在人可以看见的范围, "像"是人字旁 + 图像处理的应用 1. 修改老照片 2. 为图片上色 3. 目标识别 + 光信号(光强度是连续的) CMOS/CDD传感器上的感光二极管处理阅读全文

posted @ 2019-03-27 12:06 gogogo11 阅读(266) 评论(0) 推荐(0)

直方图均衡化

摘要：直方图均衡化阅读全文

posted @ 2019-03-27 12:05 gogogo11 阅读(393) 评论(0) 推荐(0)

CNN理解与实现

摘要：CNN理解与实现组成部分 + Convolution Layer + Pool Layer: Max pooling layer Average pooling layer + Full Connected(FC) Layer 需要的函数注意 + 参数

W

$W$ ,

b

$b$ 和数据

X

$X$ 它们的维度是一样阅读全文

posted @ 2019-03-27 12:04 gogogo11 阅读(504) 评论(0) 推荐(0)

神经网络深层网络实现

摘要：神经网络深层网络实现步骤 1. 随机初始化数据对于权重

W^{[l]}

$W^{[l]}$ , 一般采用

n p . r a n d o m . r a n d n (l, l 1) \sqrt{\frac{1}{d i m e n s i o n o f p r e v i o u s l a y e r}}

$np.random.randn(l, l 1) \sqrt{{1\over{dimension\ of\ previous\ layer}}}$ 如果当前的

l

$l$ 层的激活函数为

R e L U

$ReLU$ , 则使用$He\ i 阅读全文

posted @ 2019-03-27 12:04 gogogo11 阅读(187) 评论(0) 推荐(0)

Gradient Optimization

摘要：Gradient Optimization Gradient Descent + Batch Gradient Descent + Mini Batch Gradient Descent + Stochastic Gradient Descent Mini Batch Gradient Descen 阅读全文

posted @ 2019-03-24 19:08 gogogo11 阅读(212) 评论(0) 推荐(0)

Gradient descent and others

摘要：Batch gradient descent Procedure + 在循环中跌倒公式

θ_{j} := θ_{j} α \frac{1}{m} \sum_{i = 1}^{m} (h_{θ} (x^{(i)}) y^{(i)}) x_{j}^{(i)}

$\theta_j:=\theta_j \alpha{1\over{m}}\sum_{i=1}^m(h_{\theta}(x^{(i)}) y^{(i)})x_j^{(i)}$ + 只有迭代完所有的数据, 才更新$ 阅读全文

posted @ 2019-03-17 10:47 gogogo11 阅读(220) 评论(0) 推荐(0)

CentOS7配置中文

摘要：CentOS7配置中文 + + 修改为 + 添加 + + 重新登录阅读全文

posted @ 2019-03-17 10:21 gogogo11 阅读(354) 评论(0) 推荐(0)

搭建简单FTP

摘要：搭建简单FTP 环境 + CentOS 7 安装 + + 修改配置文件, 在中添加 , , + 创建ftpuser, , 启动 + `systemctl start vsftpd` 阅读全文

posted @ 2019-03-16 23:27 gogogo11 阅读(252) 评论(0) 推荐(0)

计算F1Score

摘要：计算F1Score matlab predictions = pval 阅读全文

posted @ 2019-03-16 15:09 gogogo11 阅读(1458) 评论(0) 推荐(0)

OpenGL初识

摘要：OpenGL 概念 + OpenGL提供的是一系列接口, 它是指一个规范, OpenGL规范严格规定了每个函数该如何执行, 以及它们的输出值, 具体的实现是由各个显示设备厂商, 它作为本地系统库直接运行在硬件上, 如果OpenGL出现了BUG, 应该升级显卡驱动 + 顶点着色器(Vectex Sha 阅读全文

posted @ 2019-03-16 15:04 gogogo11 阅读(486) 评论(0) 推荐(0)

推荐系统(Recommender System)

摘要：推荐系统(Recommender System) 案例 + 为用户推荐电影数据展示 | | Bob | Tom | Alice | Jack | 动作成分 | 浪漫成分 | | | | | | | | | | Movie1 | 5 | ? | 0 | 3 | ? | ? | | Movie2 | 阅读全文

posted @ 2019-03-16 15:03 gogogo11 阅读(667) 评论(0) 推荐(0)

Mac OS X安装OpenGL

摘要：Mac OS X安装OpenGL 安装最新的cmake + + 安装glew + 安装GLTools + + + 安装glfw + 安装glad + 进入 "在线服务: https://glad.dav1d.de/" + API域中gl选择3.3或者以上版本, 3.2与之前的有一些API弃用了 + 阅读全文

posted @ 2019-03-15 00:17 gogogo11 阅读(2631) 评论(0) 推荐(0)

KMeans实现

摘要：KMeans实现符号 +

K

$K$ : 聚类的个数 +

x^{(i)}

$x^{(i)}$ : 第i个样本 +

μ_{1}, μ_{2}, . . . μ_{K}

$\mu_{1},\mu_{2},...\mu_{K}$ : K个中心节点 +

c^{(i)}

$c^{(i)}$ : 第i个样本对应的是哪个聚类,

c^{(i)}

$c^{(i)}$ 的值在1 K +

m

$m$ : 样本的数量 +

n

$n$ : 特征的阅读全文

posted @ 2019-03-12 22:53 gogogo11 阅读(334) 评论(0) 推荐(0)

Principal Component Analysis(PCA)

摘要：Principal Component Analysis(PCA) 概念 1. 去中心化(零均值化): 将输入的特征减去特征的均值, 相当于特征进行了平移,

x_{j} {\bar{x}}_{j}

$x_j \bar x_j$ 2. 归一化(标准化): 将输入的特征减去特征的均值, 得到的差在除以特征的标准差, $${{x_j \ba 阅读全文

posted @ 2019-03-12 21:50 gogogo11 阅读(346) 评论(0) 推荐(0)

符号计算

摘要：符号计算函数 + simple: 有过程 + simplify + expand + collect + factor + horner + int + gcd: 最大公约数 + diff + +, , /, , ==, ~= + syms, sym() + solve + dsolve + fi 阅读全文

posted @ 2019-03-07 18:36 gogogo11 阅读(351) 评论(0) 推荐(0)

数据可视化

posted @ 2019-03-07 18:36 gogogo11 阅读(200) 评论(0) 推荐(0)

MATLAB基本数据类型

摘要：MATLAB基本数据类型整数 + int8 + int16 + int32 + int64 + 使用: a = int8(8), b = int64(a) 浮点型 + single + double 取整 + round + ceil + floor cell + c = {"Name", "JH 阅读全文

posted @ 2019-03-07 18:35 gogogo11 阅读(693) 评论(0) 推荐(0)

SVM之Python实现

摘要：SVM Python实现 Python实现SVM的理论知识 + SVM原始最优化问题:

m i n_{w, b, ξ} \frac{1}{2} {| | w | |}^{2} + C \sum_{i = 1}^{m} ξ^{(i)}

$min_{w,b,\xi}{1\over{2}}{||w||}^2 + C\sum_{i=1}^m\xi^{(i)}$ $$ s.t. \ \ y^{(i)}(w^{T}x^{(i)} + b), i= 阅读全文

posted @ 2019-03-07 18:29 gogogo11 阅读(7146) 评论(1) 推荐(1)

线性回归, 逻辑回归与神经网络公式相似点

摘要：线性回归, 逻辑回归与神经网络公式相似点 + 线性回归与逻辑回归线性回归的损失函数

J (θ) = \frac{1}{2 m} \sum_{i = 1}^{m} (h_{θ} (x^{(i)}) y^{(i)})^{2}

$J(\theta)={1\over{2m}}\sum_{i=1}^{m}(h_\theta(x^{(i)}) y^{(i)})^2$ 逻辑回归的损失函数 $$ J(\theta)={ 1\over{m}} 阅读全文

posted @ 2019-03-03 18:24 gogogo11 阅读(463) 评论(0) 推荐(0)

神经网络-不适合小白

摘要：神经网络(手写数字1 10识别) 变量 + 数据中给出的标签y为1 10之间的数字, 但是为了带入分类算法, 将

y

$y$ 转为

R^{1 \times 10}

$R^{1\times10}$ 的向量表示1 10之间的数据, 如[0 0 0 0 1 0 0 0 0 0], 则表示5等等 +

K

$K$ :

y^{(i)}

$y^{(i)}$ 的长度, 这里是10 阅读全文

posted @ 2019-03-03 16:11 gogogo11 阅读(647) 评论(0) 推荐(1)

gogogo

03 2019 档案

公告

搜索

常用链接

随笔分类 (298)

随笔档案 (329)

阅读排行榜

评论排行榜

推荐排行榜

最新评论