原创 計算機視覺-sift(2)代碼理解

之前結合不同人的資料理解了sift的原理,這裏通過opencv中的代碼來加深對sift的實現的理解。 使得能夠從原理性理解到源碼級的理解。不過該博文還是大量基於《趙春江, opencv2.4.9 源碼分析,SIFT http:/

原创 數學-矩陣計算(2)矩陣函數微積分前奏

來自:http://www4.ncsu.edu/~pfackler/ 下面的《Notes on Matrix Calculus》,這是Paul l. Fackler 在2005年9月27日寫的矩陣微積分筆記 Notes on Matrix

原创 opencv7-ml之統計模型

在opencv的ml模塊中有個統計模型類,而其他的比如樸素貝葉斯分類器、knn、svm等等其他模型都是基於該模型上派生出來的。所以先介紹下該模型。 該類的定義在文件“opencv\sources\modules\ml\inclu

原创 Theano2.1.21-基礎知識之theano中多核的支持

來自:http://deeplearning.net/software/theano/tutorial/multi_cores.html Multi cores support in Theano 一、BLAS 操作     BLAS

原创 《機器學習系統設計》(1)

來自書籍《Building Machine Learning Systems with Python 》         本書主要在於如何實際的教用戶來學習ml,其中簡單的介紹了ml的原理,重點還是放在使用python和numpy、sci

原创 計算機視覺-sift(1)原理

1999年由David Lowe首先發表於計算機視覺國際會議(International Conference on Computer Vision,ICCV),2004年再次經David Lowe整理完善後發表於Internatio

原创 PRML5-神經網絡(1)

本節來自《pattern recognition and machine learning》第5章。 五、神經網絡         在本書的第3、4章分別是基於迴歸和分類的線性模型,都是通過將固定的基函數進行線性組合來處理。這些函數雖然分

原创 數學-矩陣計算(4)兩種佈局

本博文來自維基上的矩陣計算:https://en.wikipedia.org/wiki/Matrix_calculus#Denominator-layout_notation 之前會發現在有的求導上最後結果需要轉置,而有的不需要,很困惑,

原创 PRML5-神經網絡(2)

本節來自《pattern recognition and machine learning》第5章。 接(PRML5-神經網絡(1)) 5.5NN中的正則化         NN的輸入層和輸出層的單元個數都是按照數據集定義的,只有中間的隱

原创 PRML1-引言

本系列是根據《pattern recognition and machine learning》一書寫的,算是讀書筆記?算是吧。因爲是從自己角度出發,所以其實很大程度上自己看得懂,估計別人看不懂,還望見諒。 數學符號約定:        

原创 PGM1.1-簡介

自己根據Jordan大神的資料寫的(算翻譯?完全不記得了,這是半年前整理的,反正不記得了,如果大神有看到部分重合,那肯定是我借鑑了人家的,本來是一個羣裏的人大家興致高說寫DL的書(所以這一章並不是書的重點,只是爲了引出DBN而已,所以纔不

原创 CPP2-基礎部分(1)

參考自《c++ primer 5th zh》,本系列將會接着將《The C++ Programming Language 4th Ed》《c++ primer plus 6th》加進來,暫時是抄書形式的這種,所以會引起大家的不適吧。初衷主

原创 如何高效的通過BP算法來訓練CNN

      《 Neural Networks Tricks of the Trade.2nd》這本書是收錄了1998-2012年在NN上面的一些技巧、原理、算法性文章,對於初學者或者是正在學習NN的來說是很受用的。全書一共有30篇論文,

原创 AI1.1-人工智能史

來自:http://zh.wikipedia.org/wiki/人工智能史#CITEREFBerlinski2000 這篇是來自維基百科上面的人工智能史,將其大部分保留(真的是大部分,所以差不多沒有原創的,只是改了下排版),然後自己塞了點

原创 openMP的一點使用經驗【非原創】

    按照百科上說的,針對於openmp的編程,最簡單的就是在開頭加個#include<omp.h>,然後在後面的for上加一行#pragma omp parallel for即可,下面的是較爲詳細的介紹了openmp的入門。 Open