ostartech - 博客园

2018年12月19日

摘要： PCA主成分分析 PCA降维。基于方差降维，属于无监督学习。无需数据标签。使方差（数据离散量）最大，变换后数据分开。更易于分类。可以对隐私数据PCA，数据加密。基变换投影->内积基变换正交的基，两个向量垂直（内积为0，线性无关）先将基化成各维度下的单位向量。一般把数据写成列向量的形式阅读全文

posted @ 2018-12-19 20:55 ostartech 阅读(799) 评论(0) 推荐(0) 编辑

网易AI工程师面试常见知识

摘要：阅读全文

posted @ 2018-12-19 20:46 ostartech 阅读(449) 评论(0) 推荐(0) 编辑

Huber-Markov先验模型相关

摘要：随机概率重建-MAP算法随机概率重建：利用贝叶斯理论作为框架，理想图像的先验知识作为约束条件进行图像重建。常用的随机概率超分辨率重建包括最大后验概率估计法(MAP)和极大似然估计法(ML)。 MAP算法最早由Schultz和Stevenson引入，针对运动估计过程的病态性，利用Huber-Mark 阅读全文

posted @ 2018-12-19 12:26 ostartech 阅读(516) 评论(0) 推荐(0) 编辑

2018年12月18日

神经网络Batch Normalization——学习笔记

摘要：训练神经网络的过程，就是在求未知参数（权重）。让网络搭建起来，得到理想的结果。分类-监督学习。反向传播求权重：每一层在算偏导数。局部梯度，链式法则。激活函数： sigmoid仅中间段趋势良好对复杂的神经网络（累计），会出现梯度消失、梯度爆炸训练网络是为了求权重；反向传播方法，更新权重；阅读全文

posted @ 2018-12-18 20:56 ostartech 阅读(484) 评论(0) 推荐(0) 编辑

图像空域活动性测度

摘要：图像复原是一个病态(或非适定)问题的求逆过程，且在这个过程中为受噪声的影响，为了更好的处理这种情况，需要采用平滑约束法。其思想为：设置dc使得dtcx为期望图像的平滑性测度，也可称为空域活动性测度，测度越大(越不平滑)，复原图像的概率越小，这样使得复原结果的高频分量得到有效的抑制。为了能够保留阅读全文

posted @ 2018-12-18 18:00 ostartech 阅读(456) 评论(0) 推荐(0) 编辑

计算机打印汉字——学习笔记

摘要： ASCII码 ——>编号——>字库中点阵图编码——>打印汉字在计算机中以点阵图形式存储。点阵图：汉字：32×32阵列排列，背景0，汉字1。编码。行32，列32。32*32/8=128个字节。 8×8点阵图不同字体黑体32×32字库阅读全文

posted @ 2018-12-18 16:47 ostartech 阅读(459) 评论(0) 推荐(0) 编辑

2018年12月17日

集成学习AdaBoost算法——学习笔记

摘要：集成学习个体学习器1 个体学习器2 个体学习器3 ——> 结合模块 ——>输出（更好的） ... 个体学习器n 通常，类似求平均值，比最差的能好一些，但是会比最好的差。集成可能提升性能、不起作用、甚至起负作用。集成要提高准确率！每一个个体学习器之间存在差异一定要有差异性，有差异性才能提升。阅读全文

posted @ 2018-12-17 20:52 ostartech 阅读(225) 评论(0) 推荐(0) 编辑

多帧超分辨率技术——个人学习笔记

摘要：多帧SR算法是一种通过LR之间存在很小变化的LR 图，并通过特定算法最终获得一幅HR图。阅读全文

posted @ 2018-12-17 19:41 ostartech 阅读(1395) 评论(0) 推荐(0) 编辑

超分辨率技术调研——个人日常笔记

摘要：首先出现的超分辨率复原技术是频域方法。局限于全局平移运动和线性空间不变降质模型,而且包含空域先验知识的能力有限。后来出现了多种空域方法：比频域方法具有更大的灵活性和更广的适用范围.在空域方法中,目前研究较多的是凸集投影和最大后验概率估计器。如非均匀空域样本内插法、迭代反投影法、集合理论复原阅读全文

posted @ 2018-12-17 18:29 ostartech 阅读(630) 评论(0) 推荐(0) 编辑

2018年12月15日

Python背景知识——学习笔记

摘要：诞生于1989圣诞节，阿姆斯特丹。Guido van Rossum（吉多·范罗苏姆）。 Python Python：解释型、面向对象、动态数据类型的高级程序设计语言。解释型语言：运行的时候将程序翻译成机器语言。（编译器）机器语言：用二进制代码表示的计算机能直接识别和执行的一种机器指令集合阅读全文

posted @ 2018-12-15 11:46 ostartech 阅读(330) 评论(0) 推荐(0) 编辑

Good Good Study~

Day Day Up!

公告