对于步长α分为精确线搜索和

Abstrcat—人脸图像预处理是为了去除光照对人脸影响。通常我们采用直方图均衡化对人脸图像进行处理。下面介绍一个方法对人脸进行预处理，由于没有找到相关文献的介绍，现在只能给出公式以及该方法与直方图均衡化后的结果。该方法最终得到识别率比直接采用直方图均衡化好。对于一幅尺寸为m∗nm*n人脸图像II.I1=I(∑mi=1∑nj=1|Iij|a/(m∗n))(1/a)I_{1}=\frac{I}{(

最小二乘法辨识在控制系统里面运用广泛。下面我分别讲下最小二乘法进行一阶辨识、二阶辨识的公式推导以及利用最小二乘进行参数的估计。为了便于做实验，我设置的输入都为冲击响应，因为冲击响应的s变换就为1。

Abstract：本文将讲解如何利用自己的人脸数据在vgg-face上finetuing，主要包括数据的生成和文件的设置，以及最后的运行。1.代码和文件准备代码caffe：http://caffe.berkeleyvision.org/，这个只要编译好就可以用了，配置编译不用讲，网上有大量的教程。vgg-face模型：http://www.cppblog.com/guijie/archive

上两节讲了信赖域法+狗腿法，其中第二节中的（“强凹凸二次函数”改为“强凸二次函数”），这一节将会讲最速下降法SD，最速下降法在模式识别和机器学习中运用最为广泛，在DeepLearning中也应用了最速下降法，尤其在在卷积神经网络中，熟悉CNNs（convolutional neural networks ）的人知道卷积神经网络大量用于图像识别与跟踪。利用最速下降法在反馈调节中调参，在CUDA

刚上研一，我选了一门叫《最优化算法的课》，里面讲到有很多优化的算法，如大家耳熟能详的梯度下降法、牛顿法等等，这些算法大量运用于《数据挖掘》《模式识别》《机器学习》等课程之中，解决一些回归、拟合及模式分类的一些参数优化问题。《最优化计算方法》中讲了很多参数的优化算法，本文主要讲一下“信赖域 with 狗腿法“算法。    我们遇到的大多数是一些实际的问题，这门课是我们学校数学学院开的，原教材里讲

介绍基于深度学习和稀疏表达的人脸识别算法1 利用VGGFace提取人脸特征2 PCA对人脸特征进行降维3 稀疏表达的人脸匹配Code1 介绍本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先，利用深度学习框架(VGGFace)提取人脸特征；其次，利用PCA对提取的特征进行降维；最后，利用稀疏表达分类实现特征匹配。我采用CMC曲线评价在AR数据库上的识别性能。最后我还提供了整个过程的c

Abstract：本文意在讲解语音识别的方法，主要包括语音特征提取（Mel频率倒谱系数的提取），softmaxsoftmax分类器进行四分类，数据库为京剧。1.Mel频率倒谱系数的提取人的听觉系统可以看成一组滤波器族，可以通过这些滤波器得到不同频率的声音，不同的滤波器对不同频率的信号的灵敏程度不一样，Mel频率倒谱系数（MFCC）是一种充分利用人耳感知特性的参数。MFCC和线性频率之间的转换关系如