原地址：http://blog.csdn.NET/zouxy09/article/details/8775488    因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。 四、

         一直以来，感觉 feature map 挺晦涩难懂的，今天把初步的一些理解记录下来。参考了斯坦福大学的机器学习公开课和七月算法中的机器学习课。        CNN一个牛逼的地方就在于通过感受野和权值共享减少了神经网络需要训练的参数的个数。总之，卷积网络的核心思想是将：局部感受野、权值共享（或者权值复制）以及时间或空间亚采样这三种结构思想结合起来获得了某种程度的位移、尺度、形变不

本文共转载了四篇文章，从不同的角度从模式识别相关的期刊和会议作出了分析，分别如下转载于：http://blog.sina.com.cn/s/blog_e2c230e20102w4ny.html第一章：会议 conferences一般来说，学术会议会设置很多chairs，各种chairs职责不同。General chairs是负责组织会议的准备和进行的，program chairs负责接收...

本文共转载了四篇文章，从不同的角度从模式识别相关的期刊和会议作出了分析，分别如下转载于：http://blog.sina.com.cn/s/blog_e2c230e20102w4ny.html第一章：会议 conferences一般来说，学术会议会设置很多chairs，各种chairs职责不同。General chairs是负责组织会议的准备和进行的，program chairs负责接收...

原地址：http://blog.csdn.NET/zouxy09/article/details/8775488    因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。 四、

本文主要介绍了图像处理中卷积和滤波的相关原理。一、线性滤波与卷积的基本概念      线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成

Abstract    Although not commonly used, correlation filters can track complex objects through rotations, occlusions and other distractions at over 20 times the rate of current state-ofthe-art techni

转载于 ：http://blog.csdn.net/huang1024rui/article/details/515106111.核函数1.1核函数的由来-----------还记得为何要选用核函数么？-----------对于这个问题，在Jasper's Java Jacal博客《SVM入门（七）为何需要核函数》中做了很详细的阐述，另外博主对于SVM德入门学习

英文原文链接：http://theory.stanford.edu/~amitp/GameProgramming/    英文原文参考：http://www-cs-students.stanford.edu/%7Eamitp/gameprog.html#Paths    翻译参考链接：http://blog.csdn.net/b2b160/article/details/4057781

转载于知乎：https://www.zhihu.com/question/25157730问题：读机器学习方向。发现机器学习算法比较固定，算法应用于文本和图像处理。毕业要求发表级别较高的期刊论文，算法都已经存在甚至被改进过，怎么能写出自己的东西呢？没有idea，也就没有实验。怎么能完成论文呢？迷茫中。求指导，谢谢。谢邀，本来不想回答这个问题，因为作为一个并不成功，毕业捉急，论文...