发简信
IP属地：北京
-
機器學習&應用
1/什麼是機器學習： 什麼是學習？利用經驗來提升自己，從而獲得理解以及解決問題的能力 什麼是機器學習？讓計算機利用歷史數據來自動提升自己的一...
-
递归方法
1/递归三定律: (1)递归必须有一个基本的结束条件 (2)递归的每一步必须改变状态并向基本结束条件靠近 (3)递归算法必须递归的调用自身 eg...
-
线性结构1/栈(stack): 先进后出 2/队列(queue): 先进先出 (先进先出可以用来模拟解决约瑟夫环问题,代码如图. 另外也可以用来解决打印...
-
深层神经网络简单介绍(3)
1/深层神经网络的梯度不稳定问题: 参见: http://blog.csdn.net/lujiandong1/article/details/5...
-
深层神经网络简单介绍(2)1/过拟合的原因: (1)数据问题:数据量太少,不能抽象出全量特征 (2)模型问题:模型的参数过多,模型参数过大 (使得模型不够光滑) (3)算...
-
深层神经网络简单介绍(1)
1/神经网络构架: 前向神经网络,典型代表CNN;循环神经网络:典型代表RNN;对称神经网络:典型代表DBN 2/常见激活函数:(激活函数不可以...
-
条件随机场模型简单介绍(2)
隐马尔可夫模型介绍 HMM的3个基本问题: 1/概率计算:前向算法,后向算法 2/学习问题:已知状态序列的时候可以用监督算法求参,不知道状态序列...
-
条件随机场模型简单介绍(1)
1/线性链条件随机场(判别式模型)vs隐马尔可夫模型(生成式模型):区别可参考朴素贝叶斯vs逻辑回归. 注意:条件随机场和HMM并无关系,线性链...
-
生成式模型PK判别式模型
典型代表: 生成式模型典型代表:朴素贝叶斯,隐马尔可夫模型等 判别式模型典型代表:逻辑回归,条件随机场模型等 各自特点: 生成式模型:由联合概率...