原创 【公衆號文章】——對抗性機器學習的漏洞

對抗性機器學習的漏洞 鏈接來源: https://mp.weixin.qq.com/s/I7JsQA8_1qFM5V32b7HubA 【引言】數據爲人工智能革命提供了動力,但是安全專家們發現,完全可以通過篡改數據集或實現環境

原创 【神經網絡】——生成式對抗網絡(GANs)的快速理解

鏈接: https://mp.weixin.qq.com/s/1Wiewk_tdzTFvRZInnjiIw ##生成式對抗網絡(GANs) 生成式對抗網絡(GAN)是一個最新的研究領域,主要用在計算機視覺方面的圖像生成和NLP方面

原创 【西瓜書筆記】——第三章:線性模型

1、基本形式 定義:最簡單的線性函數爲: f(x)=wx+bf(x) = wx + bf(x)=wx+b 將其擴展爲矩陣形式,其中xi=(xi1,xi2,xi3,…,xij)Tx_i=(x_{i1},x_{i2},x_{i3},

原创 【數據增廣】無監督增廣——RandAugment

一年多沒有寫博客了,一轉眼回國就入職了。最近在從事關於計算機視覺方面的工作,一方面也是爲了記錄自己平日學習的點滴與思考養成良好的閱讀習慣,另一方面也是爲自己的知識技能庫做一些儲備。 言歸正傳,我們來看論文。 這是2019年11月由

原创 【從零開始深度學習】——3、如何搭建一個單隱層神經網絡

本章將利用numpy搭建一個單隱層的神經網絡,選擇2個輸入單元,4個隱藏單元和2個輸出單元。 神經網絡的搭建由以下六個步驟完成: 1、定義神經網絡結構 2、初始化模型參數(w和b) 3、前向傳播算法結構設計 4、損失函數定義 5、反向

原创 【機器學習實戰】——SVM支持向量機

【引言】 SVM可以說是目前最好的現成的分類器,即不加任何修改就可以直接使用。本文對應《機器學習實戰》第六章內容,具體理論知識可以聯繫西瓜書第七章內容和博客筆記,此處只介紹SMO算法的實現與學習心得,以及關於核函數的選擇和實現。 1

原创 【從零開始深度學習】——1、初識Tensorflow

什麼是Tensorflow Tensor:張量,或表示多維數組。對於不同維度下的定義不同:對於0矩陣,Tensor就是一個數“0”;而在一維情況下就是一維數組,高維情況下就是高維矩陣。 Flow:起飛的意思,體現TensorFlow的

原创 【從零開始深度學習】——2、神經網絡的初探與實現

【引言】 深度學習就像一個黑箱子,在瞭解了基本的tensorflow框架後,將已經經過預處理的圖像輸入tf就可以給出預測的結果,但終究只是停留在表面功夫,若想了解深度學習、神經網絡相關的tf框架中的工作原理並有所深入瞭解,那我們還需把

原创 【西瓜書筆記】——支持向量機(SVM)

【引言】 支持向量機可作迴歸也可作分類,其主要思想是旨在建立一個WX+b的超平面,對高維樣本空間進行數據擬合或劃分。支持向量機的核心內容爲核函數和凸優化問題,意在尋找合適的參數矩陣W和位移項b從而找到最合適的支持向量機。 1、間隔與

原创 【西瓜書筆記】——神經網絡

本文對應周志華——《機器學習》第五章·神經網絡 1、神經元模型 神經網絡是由具有適應性的簡單單元組成的廣泛並行互聯的網絡,它的組織能夠模擬生物神經系統對真實世界物體所做出的交互反應。 神經元模型:是神經網絡最基本的成分。當通過神經元

原创 【python精研】

1、函數式 global:在函數內,def後聲明global則只允許在函數體內對變量進行訪問,無法作出修改。 def func(): global a a = 1 return a print(func()) #結果爲1 =

原创 【機器學習精研】——5種常見的迴歸損失函數

【引言】 所有機器學習算法都旨在最小化或最大化目標函數,其中,將目標函數最小化的過程稱爲損失函數。 損失函數:是衡量預測模型預測期望結果表現的指標。常用方法爲梯度下降法,通過設置一定的步長,讓函數在求導的過程中逐漸逼近谷值。而損失函數

原创 【ICV】——week1-Lecture 課堂筆記

本板塊將記錄QMUL大學MSc Computer Vision 模塊ECS709P-CourseWork 導師:Andrea Cavallaro 課程教材:Computer Vision Algorithms and Applicat

原创 【公衆號文章】——機器學習必知的8大神經網絡架構和原理

參考文章鏈接: https://mp.weixin.qq.com/s/K1XPNmNFgSQ6q70EX3EsfQ 引言 1、爲什麼需要機器學習? 當遇到一些實際問題時,往往對該問題進行直接編碼有一定的難度,人類無法處理所有的細節和

原创 【西瓜書筆記】——第四章:決策樹

本章對應於周志華——《機器學習》書本P73頁,第四章:決策樹。 【引言】決策樹是基於樹結構來進行決策的,可以類比於常見的if條件語句。一般對於二分類,其判斷過程就被稱爲“決策”或“判定”的過程。而前一輪的決策結果便是下一輪的必然前提,