06 2016 档案
摘要：DeepCAMP: Deep Convolutional Action & Attribute Mid-Level Patterns CVPR 2016 本文提出一种 分割图像 patch 的方法，因为细粒度的分类问题，如：行人动作识别 和 行人属性识别等等。 Appearance Overview
阅读全文
摘要：Heterogeneous Image Features Integration via Multi-Modal Semi-Supervised Learning Model ICCV 2013 Paper：http://www.escience.cn/system/file?fileId=7224
阅读全文
摘要：Ubuntu 14.04 关于 TensorFlow 环境的配置 本教程截图于 TensorFlow 官方文档中文版 https://github.com/jikexueyuanwiki/tensorflow-zh
阅读全文
摘要：Deep Reinforcement Learning with Double Q-learning Google DeepMind Abstract 主流的 Q-learning 算法过高的估计在特定条件下的动作值。实际上，之前是不知道是否这样的过高估计是 common的，是否对性能有害，以及是否
阅读全文
该文被密码保护。
摘要：Playing Atari with Deep Reinforcement Learning 《Computer Science》, 2013 Abstract： 本文提出了一种深度学习方法，利用强化学习的方法，直接从高维的感知输入中学习控制策略。模型是一个卷积神经网络，利用 Q-learning的
阅读全文
摘要：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 Project page: http://cvlab.postech.ac.kr/research/mdnet/ Paper: http
阅读全文
摘要：Learning to Track: Online Multi-Object Tracking by Decision Making ICCV 2015 本文主要是研究多目标跟踪，而 online 的多目标检测的主要挑战是 如何有效的将当前帧检测出来的目标和之前跟踪出来的目标进行联系。本文将 onl
阅读全文
该文被密码保护。
该文被密码保护。
摘要：Human-level control through deep reinforcement learning Nature 2015 Google DeepMind Abstract RL 理论 在动物行为上，深入到心理和神经科学的角度，关于在一个环境中如何使得 agent 优化他们的控制，提供了
阅读全文
摘要：(译) 强化学习 第一部分：Q-Learning 以及相关探索 Q-Learning review: Q-Learning 的基础要点是：有一个关于环境状态S的表达式，这些状态中可能的动作 a，然后你学习这些状态下他们action的值。直观的讲，这个值，Q，是 状态-动作值(state-action
阅读全文
该文被密码保护。
摘要：Multiple Object Recognition With Visual Attention Google DeepMind ICRL 2015 本文提出了一种基于 attention 的用于图像中识别多个物体的模型。该模型是利用RL来训练 Deep RNN，以找到输入图像中最相关的区域。尽管
阅读全文
摘要：Attention For Fine-Grained Categorization Google ICLR 2015 本文说是将Ba et al. 的基于RNN 的attention model 拓展为受限更少，或者说是非受限的视觉场景。这个工作和前者很大程度上的不同在于，用一个更加有效的视觉网络，
阅读全文
摘要：新手教程之：循环网络和LSTM指南 (A Beginner’s Guide to Recurrent Networks and LSTMs) 本文翻译自：http://deeplearning4j.org/lstm.html 其他相关教程： 1. 深度神经网络简介 http://deeplearni
阅读全文
摘要：本文转自：http://www.analyticsvidhya.com/blog/2016/06/quick-guide-build-recommendation-engine-python/ Introduction This could help you in building your fir
阅读全文
该文被密码保护。
该文被密码保护。
摘要：利用 t-SNE 高维数据的可视化 具体软件和教程见： http://lvdmaaten.github.io/tsne/ 简要介绍下用法： % Load data load ’mnist_train.mat’ ind = randperm(size(train_X, 1)); train_X = t
阅读全文
