第七章 Logistic回归（一种分类算法）分类    之前的课程主要解决回归分析问题，这一次的课程主要为分类问题，分类问题也可看做将回归问题的连续性离散化。先来谈谈二分类问题。课程中先给出了几个例子：    邮件是垃圾邮件还是非垃圾邮件；网上交易是的欺骗性（Yor N）；肿瘤是恶性的还是良性的。    在所有的这类问题中，尝试预测的变量y都可以用0或1来表示，，0表示负类，1表示正类。    对

图是一种数据结构，它对一组对象（节点）及其关系（边）进行建模。近年来，由于图结构的强大表现力，用机器学习方法分析图的研究越来越受到重视。图神经网络（GNN）是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性，GNN 最近已成为一种广泛应用的图分析方法。为什么有图卷积神经网络本质上说，世界上所有的数据都是拓扑结构，也就是网络结构，如果能够把这些网络数...

Java爬虫（Jsoup）—爬取Etherscan上的智能合约代码  最近在做一个和智能合约漏洞相关的研究, 计划使用基本深度学习的方法来分析合约漏洞， 需要大量的合约集来使用，所有决定在Etherscan上爬取智能合约，借此把这次爬虫的解决过程记录下来。一、 工具准备  首先，使用Java爬虫技术需要有相应的爬虫工具包Jsoup，将每一条数据写入Excel文件时也需要用到相应的jar包po...

第五讲 卷积神经网络课时1 历史    在上一章中，我们讨论了神经网络的有关知识以及线性评分函数的运行实例，通过堆叠线性层来实现完整的神经网络。    接下来，我们将讨论卷积神经网络，以下是1998年LeCun应用反向传播和基于梯度的学习方法来训练神经网络；    1960年，Widrow和Hoff发明了Adaline和Madaline，首次尝试把线性层叠加，整合为多层感知器网络，不过此时反向传播

第一章 计算机视觉概述和历史背景课时1 计算机视觉概述    计算机视觉：针对视觉数据的研究。    关键是如何用算法来开发可以利用和理解的数据，视觉数据存在的问题是它们很难理解，有时把视觉数据称为“互联网的暗物质”，它们构成了网络上传输的大部分数据。    根据YouTube的一个统计实例：大概每秒钟，有长达5小时的数据内容会被上传到YouTube，所以通过人工给每个视频标上注释、分类是非常困难

第九章神经网络简介非线性假设    非线性分类的例子：    非线性假设，会因为特征量的增多导致二次项数的剧增。    举个例子，在房价预测中，一栋房屋拥有的特征量为10000，那么它的二次项数为100*100/2,大约为5000个    关于计算机视觉的例子：    假设需要使用机器学习算法训练一个分类器，用来检测图像判断是否是汽车。    现在需要做一个非线性假设尽量分开这两类样本。    在

第六章 Octave/Matlab教程基本操作  一些想要构建大规模机器学习项目的人通常会使用Octave，这是一种很好的原始语言来构建算法原型。  本章节将介绍一系列的Octave命令：  （1）可以执行最基础的数学运算和逻辑运算。  （2）V=1:0.1:2，表示的是从1开始，每次步长为0.1，一直增加到2。  （3）V=1:6，这样v就被赋值了，从1到6。  （4）Ones(2,3)会得到两

这里主要是使用预训练好的模型进行图片特征的提取，分别使用三个模型进行抽取。而特征提取是提取神经网络模型的倒数第二层，这里自己对模型的进行了微调，话不多说，直接上代码。使用resnetimport torchimport torch.nn as nnfrom torch.autograd import Variablefrom torchvision import models,...

特征提取在深度学习的训练中是经常要做的事情，之前的一篇blog有写到使用pytorch提取Vgg、Resnet、Densenet三种模型下的特征，这里所述的是提取全连接层(FC层)的特征，详情可见：https://blog.csdn.net/qq_34611579/article/details/84330968。在本文中，主要是介绍提取中间层的特征，对于特征的提取，可以先...

一、神经网络简介神经网络算法的发展历史起源：20世纪中叶，一种仿生学产品。兴起：环境->2进制创新；能力->软硬件；需求->人的性价比。主要功能：分类识别分类：图像（自动驾驶）、语音（语音助手）、文本（新闻推送）（1）了解神经网络的脉络...