- 博客(10)
- 收藏
- 关注
RSS订阅转载 激活函数必要的属性
神经网络中激活函数的真正意义?一个激活函数需要具有哪些必要的属性?还有哪些属性是好的属性但不必要的?1. 非线性：即导数不是常数。这个条件是多层神经网络的基础，保证多层网络不退化成单层线性网络。这也是激活函数的意义所在。2. 几乎处处可微：可微性保证了在优化中梯度的可计算性。传统的激活函数如sigmoid等满足处处可微。对于分段线性函数比如ReLU，只满足几乎处处可微（即仅在有限个点处不可...
2019-05-27 14:55:07
750
转载 【算法】卡特兰数（折线法）——N个元素的栈出栈可能性
转载自：https://blog.csdn.net/mystery_guest/article/details/530140331.饭后，姐姐洗碗，妹妹把姐姐洗过的碗一个一个地放进碗橱摞成一摞。一共有n个不同的碗，洗前也是摞成一摞的，也许因为小妹贪玩而使碗拿进碗橱不及时，姐姐则把洗过的碗摞在旁边，问：小妹摞起的碗有多少种可能的方式？2.给定n个数，有多少种出栈序列？3.一个有n个1和n...
2019-05-23 11:20:31
1269
翻译 ADDA: Adversarial Discriminative Domain Adaptation
ADDA原理理解ADDA中源域和目标域经过不同的映射来实现对齐。ADDA的目标函数包括三项：1.源域的分类误差项2.域分类器的分类误差项3.生成器在目标域的误差项1.源域的分类误差项 源域数据在经过映射Ms后的分类误差最小： 2.域分类器的分类误差项 在源域和目标域分别经过Ms和Mt的映射后，经过域分类器进...
2019-05-17 09:57:28
4929
原创 2019秋招求职攻略
2019秋招求职攻略需要掌握的技能一、机器学习算法有监督学习算法1.1 线性模型1.2 支持向量机1.3 贝叶斯分类器1.4. 决策树1.5. 随机森林1.6. 集成学习1.7. knn无监督学习2.1 kmeans聚类降维算法二、算法与数据结构数据结构1.1 线性表&链表1.2 栈&队列1.3 串&数组1.4 堆...
2019-05-17 09:56:08
224
原创 Tensor与PIL Image之间的转换
Tensor、PIL Image以及Numpy之间的转换Tensor ->PIL Imagefrom torchvision.transforms import ToPILImage()improt torch as timage = t.randn((64,64)) #随机定义一个tensorimg = ToPILImage()(image) #tensor转为PIL ...
2019-05-17 09:55:47
11272
2
原创 排序算法（三）：选择排序算法
选择排序算法原理选择排序算法首先从序列中选择一个元素arr[i]（通常是第一个）作为当前最小值，然后把arr[i]依次与序列中arr[i]之后的元素作比较，如果有元素小于arr[i]的，就让它跟arr[i]交换。然后再选择arr[i+1]作为下一轮比较的最小值，然后继续比较......选择排序算法原理很简单，就是每次把未排序的序列中的最小值找到，然后将它放入已排序序列的末尾。选择排序算...
2019-04-20 15:29:22
318
原创 排序算法（二）：冒泡排序
冒泡排序算法原理序列arr中有n个元素，每次比较相邻的两个元素，如果右边的元素小于左边的元素，就交换两个元素，冒泡排序就是让最大的元素在每一轮排序后“冒泡”到序列的最后一位。因为有n个元素，所以需要比较n-1轮，第i轮需要比较n-i次。冒泡排序算法python实现class MPsort(object): def sort(self,arr): fo...
2019-04-20 14:55:58
183
原创 排序算法（一）：快速排序算法
快速排序算法原理：快速排序算法是冒泡排序的一种改进，快速排序也是通过逐渐消除待排序的无序序列中逆序元素来实现排序的。快速排序算法的思想很简单，在序列中任意挑选一个元素作为key，把序列中其它比key小的元素放key左边（左序列），比key大的元素放key右边（右序列），然后对左序列跟右序列也进行同样的操作，直到整个序列排序完成。快速排序算法的步骤：（1）挑选序列arr中的某个元素（...
2019-04-20 14:22:30
449
转载 WGAN原理分析
原作者：郑华滨转载来自：https://zhuanlan.zhihu.com/p/25071913在GAN的相关研究如火如荼甚至可以说是泛滥的今天，一篇新鲜出炉的arXiv论文《Wasserstein GAN》却在Reddit的Machine Learning频道火了，连Goodfellow都在帖子里和大家热烈讨论，这篇论文究竟有什么了不得的地方呢？要知道自从2014年Ian Goodf...
2019-04-15 15:40:30
3653
翻译 DANN：Domain-Adversarial Training of Neural Networks
DANN原理理解DANN中源域和目标域经过相同的映射来实现对齐。DANN的目标函数分为两部分：1. 源域分类损失项2. 源域和目标域域分类损失项1.源域分类损失项对于一个m维的数据点X，通过一个隐含层Gf，数据点变为D维： 然后经过一个分类层Gy得到分类结果： 这个点的源域分类损失定义为： ...
2019-04-02 19:12:07
22563
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人