Dynamic Time Warping(DTW) 是一种衡量两个时间序列之间的相似度的方法。主要用来解决两个时间序列不“同步”的问题。DTW 使序列在时间维度上非线性地“扭曲”以确定他们的相似度,并且独立于非线性的时间维度变化。
卷积神经网络 (Convolutional Neural Network),由若干卷积层,池化层和全连接层组成,与其他深度学习结构相比,卷积神经网络在图像和语音识别方面能够给出更好的结果 卷积层 Convolution(CONV) 池化层 Pooling(POOL) 全连接层 Fully connected(FC)
学习率是深度神经网络里最重要的超参数之一,学习率的选取直接影响了我们模型的质量,但有时学习率的选取是很玄学的
随着训练样本数量的提升,我们训练后的模型的表现也越来越好,但每次迭代的时间也不断增加。我们主要通过,减少完成一次参数更新的样本数量,以及利用算法尽量从最短路径更新参数,来优化梯度下降算法
随着神经网络的深度化,容易出现训练集的精度高,测试集的精度相对不高,这可能是出现了过拟合的情况。这时可以通过增加训练集来解决。如果增加训练集的代价太高,正则化是一个很好的选择
深层神经网络其实与 浅层神经网络 类似,只是含有多个隐藏层,可以实现更复杂的功能
单隐层的神经网络中 正向传播 与 反向传播 向量化的具体实现与具体计算过程
这里介绍通过vtk库实现的简单图形处理
CMake 中有许多显式或隐式的预定义好的变量,也可以自己定义变量
CMake 包含许多指令可以方便构建
基于web的动物识别专家系统
CNN for predicting the quality of the welding
微信自动回复机器人
coursera 数据结构基础 算法基础 高级数据结构与算法 编程题
基于spark的Apriori算法