简介 过去几年，深度神经网络在模式识别中占绝对主流。它们在许多计算机视觉任务中完爆之前的顶尖算法。在语音识别上也有这个趋势了。 虽然结果好，我们也必须思考……它们为什么这么好使？ 在这篇文章里，我综述一下在自然语言处理（NLP）上应用深度神经网络得到的一些效果极其显著的成果。我希望能提供一个能解释为何深度神经网络好用的理由。我认为这是个非常简练而优美的视角。 单隐层神经网络单隐层神经网络有一个普适性（uni...
很久以前就有想过使用深度学习模型来对dota2的对局数据进行建模分析，以便在英雄选择，出装方面有所指导，帮助自己提升天梯等级，但苦于找不到数据源，该计划搁置了很长时间。直到前些日子，看到社区有老哥提到说OpenDota网站(https://www.opendota.com/)提供有一整套的接口可以获取dota数据。通过浏览该网站，发现数据比较齐全，满足建模分析的需求，那就二话不说，开始干活。这篇文章分为两大部分，第一部分为数据获取，第二部分...
学习教材是邓力和俞栋写的“深度学习方法及应用”，是一本综述性的书。1、深度学习全称应该是深度结构学习，采用多层的、非线性信息处理方法，大概就是结构比较深的神经网络算法，也是包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作是一个逻辑回归模型；这种分层结构，是比较接近人类大脑的结构的。深度学习算法的实现依赖于三个因素：①算法本身的...
深度学习由于超参数的个数比较多，训练样本数目相对超参数来说略显不足，一不小心就容易发生过拟合。从本质上来说，过拟合是因为模型的学习能力太强，除了学习到了样本空间的共有特性外，还学习到了训练样本集上的噪声。因为这些噪声的存在，导致了模型的泛化性能下降。在深度学习中如何克服过拟合的问题呢？一般来说有以下4种方法： 1 data augmentation data augmentation即数据增强，数据增强其实是增加训练样本的一种方法。...
一、安装依赖1、mac安装brem/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"2、mac安装opencvbrew install opencv3、安装opencv-pythonpip3.6 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python参考以下地址https://www.jianshu.com/p/797e5dc4a279二、步骤解析opencv解析图片的大概步骤1、加载图片2、把图片转化为灰度3、利用高斯模糊、中值滤波进行消除...
最近要学习python深度学习，因为要用python做图形的识别，求相关的入门书籍。中文的最好。就是给一张图，能够识别出图像是什么。回复内容： 这是一个较完整的应用深度学习进行图像识别的学习路径，不是深度学习的捷径！1. 模式识别从你的描述问题的语言来看，题主似乎对模式识别没有较高的认识。所以在做基于深度学习的图像识别前，建议先大致阅读模式识别和计算机视觉相关书籍。先理解图像这个信息本身，才来尝试识别。《学习Open...
6.1 处理文本数据 6.1.1 单词和字符的one-hot编码 (1)单词级的one-hot编码： 1 # 单词级的one-hot编码2 import numpy as np3 4 # 初始数据：每个样本是列表的一个元素(本例中的样本是一个句子，但也可以是一整篇文档)5 samples = [The cat sat on the mat., The dog ate my homework.]6 7 # 构建数据中所有标记的索引8 token_index = {}9 for sample in samples: 10 # 利用split方法对样本进行分词，在实际应用中，还需要从样本...
1、Repeatability Is Not Enough:Learning Affine Regions via Discriminability 论文链接：https://arxiv.org/pdf/1711.06704.pdf 代码链接：https://github.com/ducha-aiki/affnet 主要贡献是提出了affine shape estimator，并依据次设计了AffNet，用来提取patch，然后用使用Hardnet（主要思想就是力求匹配特征之间的距离尽可能的近，不匹配特征之间的距离尽可能的远）从patch中提取描述子，来完成后续的匹配等工作： 2、Key.Ne...
过去十年来，人们对机器学习的兴趣经历了爆炸式的增长。你几乎每天都能在计算机科学程序、行业会议和《华尔街日报》（Wall Street Journal）上看到机器学习的影子。在所有关于机器学习的讨论中，许多人都将机器学习能够做什么，与他们希望机器学习能够做什么混为一谈了。从根本上来说，机器学习就是使用算法从原始数据中提取信息，并在某种类型的模型中表示出来。我们使用这个模型来推断我们尚未建模的其他数据。神经网络是机器学习...
“Xavier”初始化方法是一种很有效的神经网络初始化方法，方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》，可惜直到近两年，这个方法才逐渐得到更多人的应用和认可。 为了使得网络中信息更好的流动，每一层输出的方差应该尽量相等。基于这个目标，现在我们就去推导一下：每一层的权重应该满足哪种条件。文章先假设的是线性激活函数，而且满足0点处导数为1，即 现在我们...
摘要：针对传统的关键帧提取方法误差率高、实时性差等问题，提出了一种基于深度学习的目标检测提取视频图像关键帧的方法，分类提取列车头部、尾部及车身所在关键帧。在关键帧提取过程中，重点研究了基于SIFT特征的粗识别和Alex-Net卷积神经网络模型的精识别两个阶段，通过模型训练验证基于卷积神经网络的关键帧提取器的可行性。 关键词：卷积神经网络（CNN）;关键帧;目标检测 中图分类号：TP391 文献标识码：A 文章编号：10...
理性模型的建模和算法，经验模型的决策建模和算法，构成了目前人工智能的基础，基于学习反馈的模型构成了它的进化。学习人工智能，必须有较好的数学基础。 《矩阵分析与应用第2版》电子书中总结了大量线性代数的知识，是一本很不错的书，数学专业可以跳过，主要是给工科生用的。归纳了不少论文中的解法，是做信号处理的一本很不错的工具书，建议认真学习，做电子笔记，对书的重点内容要好好研究。《矩阵分析与应用第2版》系统、全...