logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

统计学习方法——第7章 支持向量机(个人笔记)

统计学习方法——第7章 支持向量机(个人笔记)参考《统计学习方法》(第二版)李航支持向量机(support vector machines,SVM)是一种二分类模型,是定义在特征空间上的间隔最大的线性分类器。间隔最大使他有别于感知机。7.1 线性可分支持向量机与硬间隔最大化7.1.1 线性可分支持向量机一般来说,当训练数据集线性可分时,存在无穷个分离超平面可将两类数据正确分开。感知机利用误分类最小

#学习#支持向量机#算法
在python中用pyTorch搭建CNN神经网络实现数字(0~9)语音识别

在python中用pyTorch搭建CNN神经网络实现数字(0~9)语音识别1.收集训练数据speech_commands_v0.01.tar.gzhttp://download.tensorflow.org/data/speech_commands_v0.01.tar.gz自己用迅雷下载什么都行(推荐迅雷)2.准备环境①pycharm软件②cuda和cudnn(我的是11.3)③python(我

#python#pytorch
在python中用pyTorch搭建CNN神经网络实现数字(0~9)语音识别

在python中用pyTorch搭建CNN神经网络实现数字(0~9)语音识别1.收集训练数据speech_commands_v0.01.tar.gzhttp://download.tensorflow.org/data/speech_commands_v0.01.tar.gz自己用迅雷下载什么都行(推荐迅雷)2.准备环境①pycharm软件②cuda和cudnn(我的是11.3)③python(我

#python#pytorch
Linux下C语言实现ffmpeg 视频+音频拉流

Linux下C语言实现ffmpeg 视频+音频拉流1.环境需求①ffmpeg源码编译https://trac.ffmpeg.org/wiki/CompilationGuide/Ubuntu官网编译教程一定要支持h264②alsa支持2.源码#include <alsa/asoundlib.h>#include <stdio.h>#include <sys/time.h

#linux
Linux下C语言实现ffmpeg视频+音频推流

Linux下C语言实现ffmpeg视频+音频推流1.环境需求①ffmpeg源码编译https://trac.ffmpeg.org/wiki/CompilationGuide/Ubuntu官网编译教程一定要支持h264②alsa支持2.思路①ffmpeg调用摄像头推流为主进程②alsa录音并推流为线程③利用信号量做互斥锁,让两个进程互斥推流。3.源码#include <alsa/asoundl

#linux
统计学习方法——第7章 支持向量机(个人笔记)

统计学习方法——第7章 支持向量机(个人笔记)参考《统计学习方法》(第二版)李航支持向量机(support vector machines,SVM)是一种二分类模型,是定义在特征空间上的间隔最大的线性分类器。间隔最大使他有别于感知机。7.1 线性可分支持向量机与硬间隔最大化7.1.1 线性可分支持向量机一般来说,当训练数据集线性可分时,存在无穷个分离超平面可将两类数据正确分开。感知机利用误分类最小

#学习#支持向量机#算法
在python中用pyTorch实现数字(0~9)语音识别

基于python的数字(0~9)语音识别1.收集训练数据speech_commands_v0.01.tar.gzhttp://download.tensorflow.org/data/speech_commands_v0.01.tar.gz自己用迅雷下载什么都行(推荐迅雷)2.准备环境①pycharm软件②cuda和cudnn(我的是11.3)③python(我的是3.9)④支持cuda的pyto

#python#机器学习#pytorch
凸集(Convex sets)

凸集(Convex sets)1.仿射集和凸集仿射集(Affine set):定义:如果通过C中任意两个不同点的线位于C中,则集合C⊆Rn就是仿射其中,凸集(Convex set):定义:如果C中的任意两点之间的线段为C,则集合C是凸的其中,例子:左侧,六边形,包括它的边界(显示较深),是凸的。中间,肾形集合不是凸的,因为集合中显示的两个点之间的线段不包含在集合中。右侧,该正方形包含一些边界点,但

统计学习方法——第1章(个人笔记)

统计学习方法——第1章 统计学习及监督学习概论《统计学习方法》(第二版)李航,学习笔记1.1 统计学习1.特点(1)以计算机及网络为平台,是建立在计算机及网络上的;(2)以数据为研究对象,是数据驱动的学科;(3)目的是对数据进行预测与分析(4)以方法为中心,构建模型并应用模型进行预测与分析;(5)是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科,并且在发展中逐步形成独

#机器学习
统计学习方法——第9章 EM算法及其推广(个人笔记)

统计学习方法——第9章 EM算法及其推广(个人笔记)参考《统计学习方法》(第二版)李航EM算法是一种迭代算法,每次迭代由两步完成:E步,求期望;M步,求极大。9.1 EM算法的引入概率模型有观测变量,又含有隐变量或潜在变量。EM算法就是含有隐变量的概率模型参数的极大似然估计法,或极大后验概率估计法。9.1.1 EM算法例子(三硬币模型)假设有三枚硬币,分别记作A,B,C,这些硬币正面出现的概率分别

#算法#学习#概率论
    共 19 条
  • 1
  • 2
  • 请选择