摘要：
不喜欢吃：一瓣瓣的蘑菇、海带、豆腐皮、 不喜欢喝：鱼汤； 不喜欢吃：山楂片、法式小面包（软软的）、果冻、 不喜欢喝：对饮料无感、不喜欢脉动、可乐雪碧等少量还行、 喜欢：啃骨头、排骨、喝骨头汤（别太油）、 小炸鱼、鸡爪、烤板筋、烤肉； 喜欢吃的零食： gabeng 脆的，香甜的，但不能太甜、很酥脆的、有花生味的；如：干方便面、沙琪玛、曲奇、 喜欢吃外观好的，新类别： 喜欢吃：辣条； 干果、 喜欢... 阅读全文
摘要：
作者：何凯明等，来自微软亚洲研究院； 这篇文章为CVPR的最佳论文奖；（conference on computer vision and pattern recognition) 在神经网络中，常遇到的问题： 1. 当网络变深以后的 vanishing/exploding gradient 问题： 阅读全文
摘要：
在应用层下为传输层，如TCP与UDP； 传输层与网络层之间的不同： 传输层负责信息在主机进程与服务器进程之间的传递； 网络层负责信息在主机与服务器之间的传递； 差了一个进程啊； 传输层的信息用：segment 表示；它是这样得到的：把应用层的message 分成一块块，然后再加上传输层的文件头； 另外，TCP的信息也会用segment表示，UDP的信息用datagram（数据报）表示；网络... 阅读全文
摘要：
应用层的常用的两种网络结构: client-server 结构和 P2P结构（即peer to peer)； 在这一层要涉及到端口与进程；各应用之间的通信实际上为各进程之间的通信；用端口号来区分同一台机器上的不同进程； socket：为进程之间的接口，又称为API(application programming interface), 它可以看信息在出进程中的出入口； 整个结构大致如下图所示：... 阅读全文
摘要：
大致看了看这个paper, 很novel. 我的观点： 在traditional convolutional neural netwoks 中，我们通常会depend 于 extracting features. 而本paper把 hand-crafted 和 feature extraction 结合在了一起，用于处理 invariance of various inpu... 阅读全文
摘要：
说实话，这篇paper看了很久，，到现在对里面的一些东西还不是很好的理解。 下面是我的理解，当同行看到的话，留言交流交流啊！！！！！ 这篇文章的中心点：围绕着如何降低 internal covariate shift 进行的， 它的方法就是进行batch normalization。 interna 阅读全文
摘要：
在一个样本中，样本的无偏估计的均值、标准差和方差如下： 对于单个变量，它的协方差可以表示为： 其实它即是方差，所以呢，当只有一个变量时，方差是协方差的一种特殊情况； 举例：有一个变量 X的样本为：0.2， 0.3，0.4，0.3，0.5；求自身的协方差（即方差） 对于两个变量，协方差可以表示为： 它表示了两个变量的相关性；通俗一点说，当X变大时，Y是否会变大 ，如果正相关... 阅读全文
摘要：
什么是无偏估计？？ 估计是用样本统计量（可以理解为随机抽样）来估计总体参数时的一种无偏推断。 无偏估计的要求就是：估计出来的参数的数学期望等于被估计参数的真实值。 所以呢,可以看出：估计值也是一个变量，因为是随机的嘛。 真实值谁也不知道啊（因为你不可能把列出无限的实验结果来，除了可能通过数学计算得到的常见的分布）。 给你一组服从一定分布的随机变量 X , 假设样本的真实的均值与方差可以表示... 阅读全文
摘要：
Network In Network 是13年的一篇paper 引用：Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 文章的新点： 1. 采用 mlpcon 的结构来代替 traditional 卷积层； 2. remove 卷积神经网络最后的 全连接层，采用 glob... 阅读全文
摘要：
这一篇论文很不错,也很有价值;它重新思考了googLeNet的网络结构--Inception architecture,在此基础上提出了新的改进方法; 文章的一个主导目的就是:充分有效地利用computation; 第一部分: 文章提出了四个principles: 原则１:设计网络的时候需要避免 r 阅读全文