3 Jayxbx

尚未进行身份认证

Deep Learning Engineer

等级
TA的排名 10w+

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 论文笔记

0 摘要                             

2018-08-10 14:41:00

Deep learning-based human motion recognition for predictive context-aware human-robot collaboration

0 摘要    智能制造领域中,提高人机协作(HRC)的运营效率和安全性的关键是工人和机器人之间实时的情境感知(context awareness)。通过对工人的行为分析,可以提高情境感知的准确性和可靠性。为实现这一目标,本文利用深度学习技术,进行连续人体运动分析和HRC需求预测,从而改进机器人计划和控制,共同完成任务。 我们提出的方法运动到发动机装配的...

2018-07-13 14:48:44

David Silver 强化学习Lecture5:Model-Free Control

    David Silver强化学习系列博客的内容整理自David Silver 强化学习的PPT和知乎叶强强化学习专栏。1 Introdu

2018-07-13 08:58:22

David Silver 强化学习Lecture4:Model-Free Prediction

    David Silver强化学习系列博客的内容整理自David Silver 强化学习的PPT和知乎叶强强化学习专栏。1 Introduct

2018-07-12 15:01:00

David Silver 强化学习Lecture3:Dynamic Programming

    David Silver 强化学习系列博客的内容整理自David Silver 强化学习的PPT和知乎叶强强化学习专栏。1 Introd

2018-07-12 10:16:23

David Silver 强化学习Lecture2:MDP

    David Silver 强化学习系列博客的内容整理自David Silver 强化学习的PPT和知乎叶强强化学习专栏。1 Markov Processes1.1 Introduction to MDPs&n

2018-07-11 18:45:38

David Silver 强化学习Lecture1:Introduction

1 About Reinforcement Learning    强化学习是多学科多领域交叉的一门学问,它属于机器学习三个分支(监督学习、无监督学习、强化学习)中的一个单独的分支。简单来讲,强化学习的本质是解决decision making问题,即学会自动进行决策。具体来说,强化学习是一个Sequenti

2018-07-11 14:33:26

Densely Connected Convolutional Networks 论文笔记

0 摘要    最近的成果显示,如果神经网络各层到输入和输出层采用更短的连接,那么网络可以设计的更深、更准确且训练起来更有效率。本文根据这个现象,提出了Dense Convolutional Network (DenseNet),它以前馈的方式将每个层都连接到其他每一层。然而传统的LLL层卷积神经网络有LLL连接(每一层与其后面的一层相连接),而Dens...

2018-07-11 10:06:12

ResNet相关论文笔记

1.Deeply-Supervised Nets     网络结构如下图所示。在DSN中,每一个卷积层/全连接层后,模型都会为他们接一个旁路的全连接层,并用输出的结果和数据的真实结果做比较,计算预测结果和真实结果的误差,并将由此产生的梯度回传给前面的参数。    &a

2018-07-10 17:19:17

How transferable are features in deep neural networks? 论文笔记

0 摘要    在自然图像上训练的深度神经网络都表现出一种奇怪的现象:模型第一层的参数和Gabor filters的参数非常相似(也就是说模型拥有经典图像算法中具有的优秀性质,Gabor filter是比较通用的滤波器,也就是说模型在一开始也要完成一些常规模式的计算过程,这一点和经典图像算法是一样的)。第一层的特征并不是特定于某一数据集或者某一任务,而是...

2018-07-10 13:17:21

权重初始化

1.Xaiver初始化1.1 目标    每一层输出的方差应该尽量相等,每一层的梯度的方差也应该保持相同。那么,每一层的权重应该满足哪种条件。1.2 结论    权重的方差应该满足:∀i,Var[Wi]=2nin+nout∀i,Var[Wi]=2nin+nout\forall i,Var[W^i]=\f...

2018-07-09 16:58:33

神经网络与深度学习笔记(六)

第六章 深度学习介绍卷积网络    使用全连接层的网络进行图像分类的时候,全连接层的网络架构不会考虑图像的空间结构。它平等对待相距很远和彼此接近的输入像素。图像的空间结构必须从训练数据中学习。而卷积神经网络是一种设法利用图像空间结构的网络。     卷积神经网络采用了三种基本概念:局部感受野,共享权重,池...

2018-07-09 14:13:30

神经网络与深度学习笔记(五)

第五章 深度神经网络为何很难训练    在深度网络中,不同的层学习的速度差异很大。当网络中后面的层学习的情况很好的时候,先前的层常常会在训练时停滞不变,基本学不到东西。根本原因是学习的速度下降了,学习速度的下降和基于梯度的学习技术有关。5.1 消失的梯度问题  &nbsp

2018-07-09 11:06:00

神经网络与深度学习笔记(四)

第四章 神经网络可以计算任何函数的可视化证明    神经网络的一个最显著的事实就是它可以计算任何的函数。不管这个函数是什么样,总会确保有一个神经网络能够对任何可能的输入xxx,其值f(x)f(x)f(x)(或者某个足够准确的近似)是网络的输出。即使这个函数有很多输入和输出,这个结果都是成立的。这个结果表明神经网络拥有一种普遍性。4.1 两个预先声明...

2018-07-08 20:04:35

神经网络与深度学习笔记(三)

第三章 改进神经网络的学习方法3.1 交叉熵代价函数    理想的情况:我们希望神经网络可以从错误中快速地学习。 &a

2018-07-07 22:08:33

神经网络与深度学习笔记(二)

第二章 反向传播算法如何工作如何计算代价函数的梯度?——反向传播 反向传播的核心:一个代价函数C关于任何权重w(或者偏置b)的偏导数的表达式。2.1 热身:神经网络中使用矩阵快速计算输出的方法 2.2 关于代价函数的两个假设第一个假设第二个假设:代价函数可以写成神经网络输出的函数 2.3 Hadamard 乘积 &nb...

2018-07-07 10:34:56

神经网络与深度学习笔记(一)

第一章 使用神经网络识别手写数字1.1 感知器一个感知器    一个感知器接受几个二进制输入,并产生一个二进制输出:     神经元的输出:0或者1,由分配权重后的总和大于或小于阈值来决定。权重衡量这个输入的重要程

2018-07-07 10:23:11

卷积神经网络在无人驾驶中的应用

    无人驾驶的感知部分作为计算机视觉的领域范围,也不可避免地成为CNN发挥作用的舞台。本文将深入介绍CNN(卷积神经网络)在无人驾驶3D感知与物体检测中的应用。1 无人驾驶双目3D感知    在无人车感知中,对周围环境的3D建模是重中之重。激光雷达能提供高精度的3D点云,但密集的3D信息就需

2018-06-25 12:30:02

基于计算机视觉的无人驾驶感知系统

     本文着重介绍基于计算机视觉的无人驾驶感知系统。在现有的无人驾驶系统中,LiDAR是当仁不让的感知主角。但是由于LiDAR的成本高等因素,业界有许多是否可以使用成本较低的摄像头去承担更多感知任务的讨论。本文探索了基于计算机视觉的无人驾驶感知方案。首先,验证一个方案是否可行需要一个标准的测试方法,我们介绍了广泛被使用的无人驾驶视觉感知数据集KITTI。...

2018-06-20 10:31:58

GPS及惯性传感器在无人驾驶中的应用

    GPS是当前行车定位不可或缺的技术,但是由于GPS的误差、多路径以及更新频率低等问题,我们不能只依赖于GPS进行定位。而惯性传感器拥有很高的更新频率,可以跟GPS形成互补。而使用传感器融合技术,我们可以融合GPS与惯性传感器数据,各取所长,以达到较好的定位效果。1 无人驾驶定位技术    行车定位是...

2018-06-20 09:49:04

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!