ooon - 博客园

2016年5月

摘要：本文主要讲解spark 环境的搭建主机配置 4核8线程,主频3.4G，16G内存虚拟环境： VMWare 虚拟环境系统：Ubuntu 14.10 虚拟机运行环境： jdk-1.7.0_79（64bit） hadoop-2.6.0.tar.gz scala-2.10.4.tar spark-1.5 阅读全文

posted @ 2016-05-04 22:24 ooon 阅读(12429) 评论(2) 推荐(0) 编辑

用KNN算法分类CIFAR-10图片数据

摘要： KNN分类CIFAR-10，并且做Cross Validation，CIDAR-10数据库数据如下： knn.py : 主要的试验流程 from cs231n.data_utils import load_CIFAR10 from cs231n.classifiers import KNearest 阅读全文

posted @ 2016-05-04 20:27 ooon 阅读(5342) 评论(0) 推荐(0) 编辑

2016年4月

用机器学习解决实际问题

摘要：首先贴出几个有用的博客，都是关于机器学习的特征问题：这篇博客讲解机器学习处理实际问题的完整流程 http://tech.meituan.com/mt-mlinaction-how-to-ml.html 这篇博客是对以上博客的一个概括 2. http://breezedeus.github.io/2 阅读全文

posted @ 2016-04-26 10:43 ooon 阅读(1483) 评论(0) 推荐(0) 编辑

（六）6.18 cnn 的反向传导算法

摘要：本文主要内容是 CNN 的 BP 算法，看此文章前请保证对CNN有初步认识，可参考 Neurons Networks convolutional neural network（cnn）。网络表示 CNN相对于传统的全连接DNN来说增加了卷积层与池化层，典型的卷积神经网络中（比如LeNet-5 ），阅读全文

posted @ 2016-04-21 20:16 ooon 阅读(1140) 评论(0) 推荐(0) 编辑

（六）6.17 Neurons Networks convolutional neural network（cnn）

摘要：之前所讲的图像处理都是小 patchs ，比如28*28或者36*36之类，考虑如下情形，对于一副1000*1000的图像，即106，当隐层也有106节点时，那么W(1)的数量将达到1012级别，为了减少参数规模，加快训练速度，CNN应运而生。CNN就像辟邪剑谱一样，正常人练得很挫，一旦自宫后，就变阅读全文

posted @ 2016-04-21 10:17 ooon 阅读(3515) 评论(0) 推荐(0) 编辑

（六）6.16 Neurons Networks linear decoders and its implements

摘要： Sparse AutoEncoder是一个三层结构的网络，分别为输入输出与隐层，前边自编码器的描述可知，神经网络中的神经元都采用相同的激励函数，Linear Decoders 修改了自编码器的定义，对输出层与隐层采用了不用的激励函数，所以 Linear Decoder 得到的模型更容易应用，而且对模阅读全文

posted @ 2016-04-19 10:19 ooon 阅读(544) 评论(0) 推荐(0) 编辑

（六）6.15 Neurons Networks Deep Belief Networks

摘要： Hintion老爷子在06年的science上的论文里阐述了 RBMs 可以堆叠起来并且通过逐层贪婪的方式来训练，这种网络被称作Deep Belife Networks(DBN)，DBN是一种可以学习训练数据的高层特征表示的网络，DBN是一种生成模型，可见变量与个隐层的联合分布：这里 x = 阅读全文

posted @ 2016-04-18 10:21 ooon 阅读(565) 评论(0) 推荐(0) 编辑

（六）6.14 Neurons Networks Restricted Boltzmann Machines

摘要： 1.RBM简介受限玻尔兹曼机（Restricted Boltzmann Machines，RBM）最早由hinton提出，是一种无监督学习方法，即对于给定数据，找到最大程度拟合这组数据的参数。RBM常用于降维，分类，回归与协同过滤，特征学习甚至 topic model ，其网络结构如下： RBM是阅读全文

posted @ 2016-04-14 18:52 ooon 阅读(818) 评论(0) 推荐(0) 编辑

（六）6.13 Neurons Networks Implements of stack autoencoder

摘要：对于加深网络层数带来的问题，（gradient diffuse 局部最优等）可以使用逐层预训练（pre-training）的方法来避免 Stack-Autoencoder是一种逐层贪婪（Greedy layer-wise training）的训练方法，逐层贪婪的主要思路是每次只训练网络中的一层，即首阅读全文

posted @ 2016-04-08 10:53 ooon 阅读(813) 评论(0) 推荐(0) 编辑

（六）6.12 Neurons Networks from self-taught learning to deep network

摘要： self-taught learning 在特征提取方面完全是用的无监督的方法，对于有标记的数据，可以结合有监督学习来对上述方法得到的参数进行微调，从而得到一个更加准确的参数a。在self-taught learning中，首先用无标记数据训练一个sparse autoencoder，这样用对于阅读全文

posted @ 2016-04-08 10:44 ooon 阅读(375) 评论(0) 推荐(0) 编辑

公告