11 2020 档案
摘要：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 一：摘要二：介绍三：问题陈述四：方法五：实验六：结论 一：摘要 二：介绍 三：问题陈述 四：方法 五：实验 六：结论
阅读全文
摘要：3种线性滤波：方框滤波、均值滤波、高斯滤波 高斯滤波： 1.定义 图像滤波，即在尽量保留图像细节特征的条件下对噪声进行抑制，通过抑制高频段来减少噪音，同时会造成图像一定程度上的模糊，这也叫做平滑或者低通滤波器；进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时，同时能够更多的保留
阅读全文
摘要：一：pytorch实现空洞卷积实验（torch实现） 要求： 从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的基础上，为解决感受野比较的问题，将普通的卷积修改为空洞卷积，并且卷几率符合HDC条件（这里我选取
阅读全文
摘要：一：Pytorch实现经典模型AlexNet模型 要求： 使用pytorch实现经典的分类模型AlexNet,这里主要因为没有GPU环境，而其完整参数达到了6000万个，所以如ppt要求，在该模型的基础架构上，修改卷积核的大小以及卷积操作的步长等来模拟实现。 实验设计： 实验过程： 注：这里主要介绍
阅读全文
摘要：一：手写二维卷积的实现 要求： 手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要根据数据集的大小，手动定义二维卷积操作，如：自定义单通道卷积、自定义多通道卷积、自定义卷积层等。 实验过程： 1.1相关包的导入 1. import
阅读全文
摘要：文章目录 一：度量空间1.1定义1.2更多细节 二：欧几里得度量空间2.1定义2.2理解 三：其他度量空间--待 一：度量空间 1.1定义 1.2更多细节 https://zh.wikipedia.org/wiki/%E5%BA%A6%E9%87%8F%E7%A9%BA%E9%97%B4 二：欧几里
阅读全文
摘要：文章目录 一：对称矩阵的对角化1.1定义1.2对称矩阵对角化1.3正交对角化1.4谱定理1.5谱分解 二：二次型2.1定义2.2例子2.3二次型的变量代换2.4主轴定理2.5二次型分类2.6特征值和二次型分类2.7补充 正定矩阵的充要条件 三：奇异值分解 一：对称矩阵的对角化 1.1定义 注：对于对
阅读全文
摘要：文章目录 一：内积、长度、正交性1.1内积1.2长度1.3正交向量1.4总结 二：正交集2.1定义2.2定理--正交基2.3正交投影2.4单位正交集 三：正交矩阵3.1单位正交列向量3.2性质3.3正交矩阵初入门 四：拉格姆-施密特方法4.1定义4.2步骤4.3例子4.4QR分解 一：内积、长度、正
阅读全文
摘要：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 一：摘要二：介绍三：相关工作四：问题陈述五：点集上的深度学习六：实验七：结论 一：摘要 二：介绍 三：相关工作 四：问题陈述 五：点集上的深度学习
阅读全文
摘要：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 注： 注： 注： 注： 注： 注： 注： 注： 注： 详细参考：https://blog.csdn.net/qq_37534947/article
阅读全文
摘要：文章目录 一：特征值与特征向量二：特征方程2.1行列式求解的另一种方法--初等变换2.2可逆矩阵定理以及行列式性质的补充2.3特征方程/特征多项式2.4相似性 三：对角化3.1从例子出发3.2定理3.3例子 一：特征值与特征向量 1.定义： 注：必须是方阵！！！ 2.给定特征值求特征向量： 注：已知
阅读全文
摘要：文章目录 一：无约束条件二：等式约束条件--拉格朗日乘子2.1拉格朗日乘子法的定义以及推导2.2一个简单的例子： 引入： 优化问题通常是指对于给定的某一函数，求其在指定作用域上的全局最小值(因为最小值与最大值可以很容易转化，即最大值问题可以转化成最小值问题) 一：无约束条件 这是最简单的情况，解决方
阅读全文
摘要：文章目录 一：全导数二：极值与微分三：方向导数四：梯度4.1为什么所有方向导数中会存在并且只存在一个最大值？4.2 这个最大值在哪个方向取得？值是多少？ 五：如何直观形象的理解方向导数与梯度以及它们之间的关系？六：总结 一：全导数 参考：https://www.zhihu.com/question/
阅读全文
摘要：文章目录 一：一维正态分布二：二维正态分布/多维正态分布三：各向同性正态分布 一：一维正态分布 二：二维正态分布/多维正态分布 三：各向同性正态分布 各向同性的高斯分布（球形高斯分布）指的是各个方向方差都一样的多维高斯分布，协方差为正实数与identity matrix（单位矩阵）相乘。 注：即方差
阅读全文
摘要：文章目录 一：联合分布1.1联合分布函数1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数 二：边缘分布与随机变量的独立性2.1边缘分布2.2随机变量的独立性2.3两个随机变量下的函数的分布2.3.1离散型2.3.2连续型 一：联合分布 引入： 1.1联合分布函数 注：相
阅读全文
摘要：文章目录 一：期望1.1离散型随机变量的期望1.2连续型随机变量的期望1.3期望的性质 二：随机变量函数（复合随机）的数学期望三：方差3.1离散型随机变量的方差3.2连续性随机变量的方差3.3方差的性质 四：协方差4.1定义4.2离散型二维随机变量的协方差4.3连续型二维随机变量的协方差4.4二维随
阅读全文
摘要：文章目录 一：伯努利分布/0-1分布二：二项分布三：泊松分布四：正态分布五：均匀分布六：指数分布 一：伯努利分布/0-1分布 如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变量，其分布是单个二值随机变量的分布，称为伯努利分布。注意伯努利分布关注的是结果
阅读全文
摘要：文章目录 一：随机变量的理解二：分布函数三：离散型分布四：连续型分布 一：随机变量的理解 注：其实随机变量就是一个实数，它是把随机事件映射成了一个实数，方便表示！！！ 二：分布函数 注： 随机变量是一个数，此时事件利用数来表示了，这样在其基础上，我们就可以利用将其事件的概率（数的大小）转换成一个函数
阅读全文
摘要：文章目录 一：基本公式二：互斥事件三：独立事件四：条件概率五：全概率公式六：贝叶斯公式 一：基本公式 二：互斥事件 三：独立事件 1.什么是独立 注：独立，如：今天中午下雨的概率和你玩不玩游戏的概率，毫无关系，可以认为是两个不同的维度的比较；而互斥，你12点去吃饭或者去玩游戏，同一维度，只能有一个发
阅读全文
摘要：文章目录 一：行列式简介二：行列式的性质三：克拉默法则、体积和线性变化 一：行列式简介 1.定义： 前提：方阵 A可逆 A的行列式非0 2.行列式求法： 即包含按行展开和按列展开： 3.三角矩阵的行列式 二：行列式的性质 根据这些性质可以得出求行列式的另一种方法，就是利用初等行变化，其中过程中要有变
阅读全文
摘要：文章目录 一：矩阵运算二：矩阵的逆三：可逆矩阵的性质四：分块矩阵五：矩阵因式分解 LU分解六：N维空间的子空间七：维数与秩 一：矩阵运算 1.和与标量运算： 这里比较简单，就不再赘述。 2.矩阵乘法： 本质：其实就是线性变化，线性变化见：https://blog.csdn.net/qq_375349
阅读全文
摘要：文章目录 一：线性方程组二：行化简与阶梯形矩阵三：向量方程四：矩阵方程五：线性方程组的解集六：阶段总结七：线性无关八：线性变换九：平移+旋转+缩放（补充） 一：线性方程组 1.线性方程： 2.解的情况： 3.系数矩阵、增广矩阵： 系数矩阵：方程组对应的系数组成的矩阵。 增广矩阵：方程组对应的系数以及
阅读全文
