摘要：
12 支持向量机SVM 优化目标 使用新的激活函数减缓目标函数的计算 新表达式 SVM直接输出0/1，不输出概率 SVM称为大间距分类器 SVM,大间距分类器 对异常值非常敏感 如果参数C太大 大间距的数学原理 核函数1 非线性决策边界,选择不同特征 核函数,衡量相似度 距离核中心远近 核函数(正态 阅读全文
摘要：
安装Keras(Windows10+CPU) 创建一个虚拟环境,并激活 conda create -n py3.5tf1.5keras2.1.4 python=3.5.4 conda activate py3.5tf1.5keras2.1.4 安装以下三个包 pip install Theano p 阅读全文
摘要：
前言 核心 问题：解决one-shot医学图像分割 方案: 传统的基于Atlas的医学图像分割对于解决one-shot问题很有帮助，通过使用神经网络进行替代传统纹理计算的方式计算一致性 引入强化学习，充分利用训练数据 结论: 思路方法很好,通过方法的结合进行提出新的方案是一个很好的思路。 Atlas 阅读全文
摘要：
前言 核心 问题：探索简单的交互方式 方法：提供一个内部点和两个边界点(点击交互) 结论：模型性能好，泛化效果好 有代码, DEXTR方法 Abstract 1.提出了一种内部-外部指导（IOG）方法。具体地说，我们利用在对象中心附近单击的一个内部点和包围目标对象的紧密边界框的对称角位置（左上角和右 阅读全文
摘要：
前言 核心 问题 当前实例分割模型和基于多边形的交互式对象标注各有好处。 方案 使用实例分割生成Mask，作为多边形初始化，再通过形变网络微调控制点。 结果 效果更好。 state-of-the-are performance:最新的性能 achieve state-of-the-art perfo 阅读全文
摘要：
1.研究了语义分割的增量类学习任务，特别分析了由于背景类的存在而引起的分布转移问题。
2.提出一个新的目标函数，并引入特定的分类器初始化策略来显式地处理背景类的演化语义。
3.我们证明，我们的方法极大地减轻了灾难性的遗忘，从而达到了最先进的水平。 阅读全文
摘要：
10.模型评估 改进模型思路 举例房价预测中的线性回归模型，如果误差较大，如何改进模型? Get More Examples,减少特征，增加新特征，修改正则化参数 进行机器学习诊断 模型评估 可视化假设函数(可视化评估) 使用训练数据中的30%提取出来进行评估(数据量化评估) 损失计算和误差计算两种 阅读全文
摘要：
8 神经网络基础 思考: 对训练数据的全拟合方法是使用拉格朗日思想即使用简单的多项式的组合进行完全拟合，神经网络就是在全拟合的基础上进行建立模型，模型可以舍弃一些拟合项，这就是神经网络的数学基础。 当特征很多的时候，就不能使用全2次项进行拟合数据，需要考虑交叉乘积项。 视觉特征过多的例子 基于大脑从 阅读全文
摘要：
6 分类 简介 分类任务 线性回归应用于分类效果不好 逻辑回归用于分类任务 激活函数 将线性值收敛到（0，1）之间，形成非线性值 概率解释 决策边界 预测0和1 边界决策问题 损失函数 均方损失函数用于逻辑回归不易收敛(引入了非线性) 新损失函数: 函数性质非常符合损失函数，会使得损失函数是一个凸函 阅读全文