szx_spark

摘要： 1. 非线性判别函数 本章介绍广义线判别函数与核函数，并分析他们的不同。 2. 广义线性判别函数 对于非线性问题，我们依旧可以使用线性分类器进行求解。 广义线性判别函数增加了特征的高次项，将低维特征转化为高维特征。将低维线性不可分问题转化为高维的线性可分问题，并学习到高维空间下的线性分类器，该分类器 阅读全文

摘要： 1. 线性判别函数 本章介绍的线性判别函数都归属于判别式模型，即对于分类问题，根据判别函数$g(x)$的取值进行判断，比如正数归为第一类，负数与零归为第二类。关于判别式模版与生成式模型的区别可以阅读我以前的 "博客" ，最典型的生成式模型是贝叶斯分类器，这个在之前的 "博客" 中也有介绍。 在介绍具 阅读全文

摘要： 1. 概率密度函数的参数估计 前文讲到了利用贝叶斯决策理论构建贝叶斯分类器，初学者难免会有疑问，既然已经可以通过构建贝叶斯分类器的方法处理分类问题，那为什么还要学习本章节内容？ 事实上，贝叶斯分类器的缺可以通过计算先验概率与类条件概率来设计最优分类器。但是对于大多数实际问题，我们往往无法知道这两个概 阅读全文

摘要： 1. 贝叶斯决策理论 贝叶斯决策理论是解决分类问题的一种基本统计途径，其出发点是利用概率的不同分类决策，与相应决策所付出的代价进行折中，它假设决策问题可以用概率的形式描述，并且假设所有有关的概率结构均已知。 2. 各种概率及其关系 先验概率： $$P(\omega_i)$$ 后验概率： $$P(\o 阅读全文

摘要： 一、前言 今天刚刚考完研究生第一门专业课，在考试后打算写一篇该课程的笔记总结，包括如下内容： 课程知识点，不限于课程内容 实验编写，代码开源 部分考试内容 此外，我打算对于日后每个课程（包括数理统计、最优化方法、人工智能、自然语言处理、机器翻译、知识工程、文本理解），都展开一个系列博客，希望大家为我 阅读全文

摘要： 本节内容介绍普通RNN的弊端，从而引入各种变体RNN，主要讲述GRU与LSTM的工作原理。 阅读全文

摘要： 本节内容介绍如何使用RNN训练语言模型，应用语言模型计算一段文本存在的概率，并生成新的风格化文本序列。 阅读全文

摘要： 本文介绍了普通RNN的计算公式，并介绍了各种类型的RNN。 阅读全文

摘要： 本文介绍关于一维卷积，二维卷积，三维卷积的具体流程以及具体应用。 阅读全文

摘要： 介绍CNN中的经典网络，LeNet-5，AlexNet，VGG。介绍残差网络，并阐述对残差块的理解。讲解1x1卷积、Inception的作用与本质。 阅读全文