02 2018 档案
摘要：1.什么是神经网络人脑是一个高度复杂的、非线性的和并行的计算机器（信息处理系统）。人脑能够组织他的组成成分，即神经元，以比今天已有的最快的计算机还要快许多倍的速度进行特定的计算（如模式识别、感知和发动机控制）。具体来说，完成一个感知识别任务（例如识别一张被嵌入陌生场景的熟悉的脸）人脑大概需要100~200毫秒，而一台高效的计算机却要花费比人脑多很多的时间才能完成一个相对简单的任务。一个“进化中”的...
阅读全文
摘要：生成式对抗模型GAN (Generativeadversarial networks) 是Goodfellow等[1]在 2014年提出的一种生成式模型，目前已经成为人工智能学界一个热门的研究方向，著名学者Yann Lecun甚至将其称为“过去十年间机器学习领域最让人激动的点子"。GAN的基本思想源
阅读全文
摘要：转自知乎https://www.zhihu.com/question/20264424 科研君的回答学习和记忆是所有动物适应其生存环境所需要的最基本能力，所以有关学习和记忆的研究一直以来都非常热门。记忆的本质，从不同领域来看有不同的侧重，比如说它的基本生物结构，它的心理学特征和组织还有它的持久性等等，数百年来，虽然有来自生物、心理学领域的科学家甚至哲学家等学者都试图通过不同的研究方法来试图...
阅读全文
摘要：注意力机制即Attention mechanism在序列学习任务上具有巨大的提升作用，在编解码器框架内，通过在编码段加入A模型，对源数据序列进行数据加权变换，或者在解码端引入A模型，对目标数据进行加权变化，可以有效提高序列对序列的自然方式下的系统表现。 什么是Attention？ Attention
阅读全文
摘要：向量运算R的强大功能之一就是把整个数据向量作为一个单一对象来处理。一个数据向量仅是数字的排列，一个向量可以通过如下方式构造weight x x red blue green "Huey" "Dewey" "Louie"名称可以被提取或使用names设置> names(x)[1] "red" "blue" "green"一个向量的所有元素类型都相同。如果你连接不同类型的向量，...
阅读全文
摘要：数据挖掘基本概念数据挖掘定义最广为接受得到定义是，数据挖掘是数据“模型”的发现过程。而“模型”却可以有多种含义。1）统计建模统计学家认为数据挖掘就是统计模型的构建过程，而这个统计模型指的就是可见数据所遵从的总体分布。2）机器学习有些人将数据挖掘看成是机器学习的同义词。毫无疑问，一些数据挖掘方法中适当使用了机器学习算法。机器学习的实践者将数据当成训练集来训练某类算法，比如贝叶斯网络、支持向量机、决策...
阅读全文
摘要：人脸检测和识别本章将介绍Haar级联分类器，通过对比分析相邻图像区域来判断给定图像或子图像与已知对象是否匹配。本章将考虑如何将多个Haar级联分类器构成一个层次结构，即一个分类器能识别整体区域（如人脸），而其他的分类器可识别小的区域（眼睛、鼻子和嘴）。Haar级联的概念当谈到目标分类和位置跟踪时，希望精确定位什么？什么才是目标的可识别部分？摄影作品（甚至是来自网络摄像头的图像）可能包含很多令人愉悦...
阅读全文
摘要：模型评估与参数调优实战基于流水线的工作流一个方便使用的工具：scikit-learn中的Pipline类。它使得我们可以拟合出包含任意多个处理步骤的模型，并将模型用于新数据的预测。加载威斯康星乳腺癌数据集1.使用pandas从UCI网站直接读取数据集import pandas as pddf=pd.read_csv('https://archive.ics.uci.edu/ml/machine-l...
阅读全文
摘要：数据可视化matplotlib绘图入门为了使用matplotlib来绘制基本图像，需要调用matplotlib.pyplot子库中的plot()函数import matplotlib.pyplot as pltimport numpy as npx=np.linspace(0,20)plt.plot(x,.5+x)plt.plot(x,1+2*x,'--')plt.show()对数图所谓对数图，实...
阅读全文
摘要：使用分水岭和GrabCut算法进行物体分割用GrabCut算法进行图像分割在OpenCV中，实现了grabcut分割算法，该算法可以方便的分割出前景图像，操作简单，而且分割的效果很好。算法的原理参见papaer：“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts比如下面的一副图，我们只要选定一个四边形框，把...
阅读全文
摘要：获得和清洗数据：1.从网络上抓取数据year=gameTeam==away_team]){winner<-home_teamloser<-away_team}else{winner<-away_teamloser<-home_team}print(paste(winner,"beat",loser))
阅读全文
摘要：数据下载：http://www.fueleconomy.gov/feg/epadata/vehicles.csv.zip 将数据导入R中， 1.首先将工作路径设定到本地保存了vehicles.csv的路径下： 2.我们可以直接从zip文件中载入数据，只要你知道zip中压缩的文件名： 这里用到了参数s
阅读全文
摘要：数据的检索、加工与存储1.利用Numpy和pandas对CSV文件进行写操作对CSV文件进行写操作，numpy的savetxt()函数是与loadtxt()相对应的一个函数，他能以诸如CSV之类的区隔型文件格式保存数组：np.savetxt('np.csv',a,fmt='%.2f',delimiter=',',header="#1,#2,#3,#4")上面的函数调用中，我们规定了用以保存数组的文...
阅读全文
摘要：1. 什么是推荐系统推荐系统是一种信息过滤系统，近年来非常流行，应用于各行各业。 比如大家耳熟能详的快手、头条、手机百度、淘宝、京东、应用宝...几乎各个平台都有一个智能推荐的功能。2. 推荐的主要方法推荐系统产生推荐列表的方式通常有两种：基于算法的推荐：协同过滤，逻辑回归、决策树基于内容推荐协同过滤方法根据用户历史行为（例如其购买的、选择的、评价过的物品等）结合其他用户的相似决策建立模型。这种模...
阅读全文
摘要：摘要: 一个新的系列，来自于斯坦福德深度学习在线课程：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial。本文梳理了该教程第一部分的内容，主要包括人工神经网络入门、反向传递算法、梯度检验与高级优化 和 自编码算法与稀疏性等要点。最后以课程作业作为总结和练习。前言斯坦福深度学习在线课程是 Andrew Ng 编制的，该教程以深...
阅读全文
摘要：通过降维压缩数据在前面已经介绍了几种不同的特征选择技术对数据集进行降维的方法。另一种常用于降维的特征选择方法就是特征抽取。数据压缩也是机器学习领域中的一个重要内容。数据压缩技术可以帮助我们对数据及逆行存储和分析。这里主要涵盖三个主题：1.无监督数据压缩——主成分分析（PCA）2.基于类别可分最大化的监督降维技术——线性判别分析（LDA）3.通过核主成分分析进行非线性降维无监督数据降维技术——主成分...
阅读全文
摘要：傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。 ...
阅读全文
摘要：使用OpenCV3处理图像下面要介绍的内容都与图像处理有关，这时需要修改图像，比如要使用具有艺术性的滤镜、外插（extrapolate）某些部分、分割、粘贴或其他需要的操作。不同色彩空间的转换OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机视觉中有三种常用的色彩空间：灰度、BGR以及HSV(Hue,Saturation,Value)1.灰度色彩空间是通过去除彩色信息来将其转换...
阅读全文
摘要：Pandaspandas是一个流行的开源Python项目，其名称取panel data(面板数据)与Python data analysis(Python 数据分析)之意。pandas有两个重要的数据结构：DataFrame和Seriespandas数据结构之DataFramepandas的DataFrame数据结构是一种带标签的二维对象，与Excel的电子表格或者关系型数据表非常相似。可以用下列...
阅读全文
摘要：Tensorflow基础知识Tensorflow设计理念（1）将图的定义和图的运行完全分开，因此Tensorflow被认为是一个“符合主义”的库（2）Tensorflow中涉及的运算都要放在图中，而图的运行只发生在会话（session）中。开启会话后，就可以用数据去填充节点，进行运算。关闭会话后，就不能继续计算了。因此会话提供了操作运算和Tensor求值的环境编程模型边Tensorflow的边有两...
阅读全文
摘要：数值计算机器学习算法通常需要大量的数值计算。这通常是指通过迭代过程更新解的估计值来解决数学问题的算法，而不是通过解析过程推导出公式来提供正确解的方法。常见的操作包括优化（找到最小化或最大化函数值的参数）和线性方程组的求解。上溢和下溢连续数学在数字计算机上的根本困难是，我们需要通过有限数量的位模式来表示无限多的实数。这意味着我们在计算机中表示实数时，几乎总会引入一些近似误差。在许多情况下，这仅仅是舍...
阅读全文
摘要：Integrate-And-Fire Models基础知识轴突：动作电位（电位差形成电流）=神经递质发放=脉冲产生树突或细胞体：神经递质的接受=产生内外膜电位差（电流产生）=接收脉冲脉冲编码：多采用平均发放率，计算在一段时间内的。泄露电流（对于与LIF中的L（leaky））：生物概念，膜电压沿轴突传递过程中的损失，在硬件电路中用电阻代替。概述神经元动力学可以被设想为一个总和过程(有时也称为“集成”...
阅读全文
摘要：PyNN standard model转自http://blog.csdn.net/qq_34886403/article/details/76667477
阅读全文
摘要：PyNN：神经网络模拟器的通用接口计算神经科学已经产生了用于模拟神经元网络的多样化软件，同时具有消极和积极的后果。一方面，每个模拟器都使用自己的编程或配置语言，导致将模型从一个模拟器移植到另一个模拟器相当困难。这妨碍了调查人员之间的交流，使得难以复制和建立他人的工作。另一方面，仿真结果可以在不同的仿真器之间进行交叉检查，对其正确性给予更大的信心，并且每个仿真器具有不同的优化，因此可以为给定的建模任...
阅读全文
摘要：不同色彩空间的转换当前，在计算机视觉中有三种常用的色彩空间：灰度、BGR以及HSV1.灰度色彩空间是通过去除彩色信息来将其转换为灰阶，灰度色彩空间对中间处理特别有效，比如人脸检测2.BGR,即蓝绿红色彩空间，每一个像素点都由一个三元组来表示3.HSV,H(Hue)是色调，S(Saturation)是饱和度，V(value)表示黑暗的程度(或光谱另一端的明亮程度)傅里叶变换Numpy里有快速傅里叶变...
阅读全文
