转以下分别列举常用的向量范数和矩阵范数的定义。向量范数1-范数： 即向量元素绝对值之和，matlab调用函数norm(x, 1) 。2-范数：Euclid范数（欧几里得范数，常用计算向量长度），即向量元素绝对值的平方和再开方，matlab调用
转载
2022-12-28 17:29:44
232阅读
onfusion Matrix）: 在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。 在图像精度评价中，主要用于比
转载
2022-12-17 19:18:16
262阅读
理论基础 下面该栏目列出一些可能会用到的已经证实的理论! 大多数的理论均来自[^1]. [^1]: 匡继昌.实分析与泛函分析[M].北京:高等教育出版社.2002.8 对于 $\forall x,y,z \in X$, 若存在映射 $$ \begin{aligned} d:\; &X \times
原创
2021-08-27 09:51:25
395阅读
的认识和感悟。引言熵，忘了第一次接触是在物理课上还是在化学课上，总之是描述系统的无序性或
转载
2022-12-18 07:08:04
306阅读
以不仅让计算机相关专业的人可以看懂和区分什么是P类问题什么是NP类问题，更希望达到的效果是非专业人士比如学文科的朋友也可以有一定程度的理解。有一则程序员界的笑话，就是有一哥们去google面试的时候被问到一个问题是：在什么情况下P=NP，然后他的
转载
2022-12-18 01:07:11
200阅读
做运维也有几年了，因为个人原因及环境因素造成知识不成面，更谈不上知识体系，在面对有一定技术深度和做技术及业务前瞻规划时很迷茫。为了弥补这个困境先要打好理论基础，所以此后的博文在很大一段时间内都是在回顾理论，偶尔涉及到python/shell的运维开发。当然也会将以往的技术进行沉淀。先说一下目前处于的环境： 一线公司中的战略级产品线，且在急速扩容中，包括人员，业务功能，流量，后端架构，辅助支撑体系
原创
2013-10-27 23:59:12
805阅读
训练模型的参数进行调整的数据集。测试集：用于测试最终生成的模型的数据集。训练集\开发集\测试集确定：1.传统的机器学习领域中，由于收集到的数据量往往不多需要将收集到的数据分为三类：训练集、验证集、测试集。也可以分为两类，不需要开发集集。比例根据经验不同而不同，这里给出一
原创
2022-12-17 19:18:49
134阅读
算法检测的结果一般有下列四种情况： 查准率（Precision ratio，P）=TP/(TP+FP)；即
原创
2022-12-18 01:07:58
118阅读
上篇留下一个比较难的计算CPU使用率的公式 (1-((sum(increase(node_cpu{mode="idle"}[1m]))by(instance))/(sum(increase(node_cpu[1m]))by(instance))))*100 拆分并解释这个公式 举一反三计算CPU其他
原创
2021-09-10 10:23:21
346阅读
背景建模算法
1 基本原理
视频图像中运动目标检测的一种方法，其基本思想是对图像的背景进行建模。一旦背景模型建立，将当前的图像与背景模型进行某种比较，根据比较结果确定前景目标（需要检测的运动目标）。
2 难点
（1） 环境光照的变化（光照突然性的变化和缓慢的变化）
（2） 背景的多模态
转载
2016-09-11 16:38:00
152阅读
2评论
有两个非常聪明的经济学天才青年，他们经常为一些高深的经济学理论争辩不休。一天饭后去散步，为了某个数学模型的证明两位杰出青年又争了起来，正在难分高下的时候，突然发现前面的草地上有一堆狗屎。甲就对乙说，如果你能把它吃下去，我愿意出五千万。五千万的诱惑可真不小，吃还是不吃呢？乙掏出纸笔，进行了精确的数学计算，很快得出了经济学上的最优解：吃！于是甲损失了五千万，当然，乙的这顿加餐吃的也并不轻松。 两个人继
原创
2007-12-29 12:09:00
442阅读
为了完成我的基于深度学习的立场检测系统毕业论文，我会从最简单的Pooling单层网络开始系统学习句子分类。接下来会有卷积神经网络CNN层，循环神经网络RNN层等，以后更新。这些都是理论+实践代码(下期会给基于pytorch的python实现代码)。望大家发现错误积极指出，互相在自然语言处理道路上进步！1数据清洗2分词英文的文本肯定不用这一步，中文就必须分词了。3词向量化这里我将用随机的向量
原创
2021-04-10 13:39:48
216阅读
相反，模型的当前隐藏状态存储在RNN对象的hidden属性中，并在每个时间步自动更新。在此代码中，我们首先定义了模型的输入大小、隐藏大小、输出大小、批次大小和序列长度。在训练循环中，我们循环遍历序列中的每个时间步，并使用模型计算输出和隐藏状态。构造函数接受输入大小、隐藏大小和输出大小作为参数，并创建了一个包含两个线性层和一个tanh激活函数的模型。然后，通过线性层和tanh激活函数计算下一个隐藏状态，并使用计算的输出值。分别是输入到隐藏层、隐藏层到隐藏层和隐藏层到输出层的偏置项；的张量作为初始隐藏状态。
原创
2023-04-19 17:19:35
135阅读
【导读】在计算机神经视觉技术的发展过程中，卷积神经网络成为了其中的重要组成部分，本文对卷积神经网络的数学原理进行了介绍。文章包括四个主要内容：卷积、卷积层、池化层以及卷积神经网络中的反向传播原理。在卷积部分的介绍中，作者介绍了卷积的定义、有效卷积和相同卷积、跨步卷积、3D卷积。在卷积层部分，作者阐述了连接切割和参数共享对降低网络参数学习量的作用。在池化层部分，作者介绍了池化的含义以及掩膜的使用。自
以教为主的理论基础，介绍了以教为主的理论基础的发展，主要分析为了奥苏贝尔教学理论的几个方面
转载
2007-12-09 16:35:16
730阅读
 
