随笔分类 - 课程笔记
摘要：a.先验：根据以往的经验或者常识，总结当前事情发生某种结果的概率，又或者说是没有根据当前的事实，而只是对以往理论的研究进行推导，类似于选举中，专家在没有对当前大选进行调查就直接通过以往历任候选人的特点来分析推导给出当前的某人A中选的概率。 b.后验：根据当前的事情的观察（证据、原因），推断分析当前事
阅读全文
摘要：上标：目标编号 下标：时间序列 介绍随机有限集RFS的运算规则，为之后学习多目标追踪作铺垫。
阅读全文
摘要：EDX Multi-Object Tracking for Automotive Systems 课程笔记 P1引入 首先解释一下为什么要学习随机有限集，最近学习多目标追踪(MOT)，当目标数量很多的时候，传统的点理论(就是用矩阵)会导致计算量大，对于未知和时变的目标数量也较难实现，而基于随机有限集
阅读全文
摘要：第一节课是一个课程的介绍，没有涉及太多的知识方面的内容。 因为小艾已经有了很长时间的在NLP入门阶段跌跌撞撞了，所以对于为什么人类语言难以理解，已经有了比较深刻的认识，所以第一课没有做笔记，很快看完了，只留存了两张截图。 正式第一讲：Word Vector（Skip-Gram model） 这一讲主
阅读全文
摘要：第12课 神经网络训练细节part1（下） 用高斯分布初始化相关参数，然后乘以权值0.01，称为高斯分布初始化。本节中我们着重关注隐藏层中的神经元会如何激活，将均差和标准差绘制成柱状图。 使用高斯分布的数据，让他们与w参数相乘，然后通过激活函数。最终所有的数据都将坍缩到0。而在我们反向传播时要求x的
阅读全文
摘要：第9课 反向传播与神经网络初步 上一节课讲到了评价函数，了解了损失函数。损失函数有两部分组成，数据损失和正则化损失。我们要做的是对损失函数进行优化操作。 计算梯度的方法有两种： 数值梯度：写起来容易，但运算慢 解析梯度：（微积分运算得到）运算快，但有时会出错，所以要进行梯度检查的操作。 强调，在处理
阅读全文
