机器学习当中最常见的三种范式包括：有监督学习、无监督学习和半监督学习。一、监督学习1、线性分类1.1任务训练数据的特征：标定的训练过程：根据目标输出与实际输出的误差信号来调节参数典型方法全局：BN,NN,SVM, Decision Tree局部：KNN图1 有监督学习的任务要求极其实现效果1.2监督学习中的线性模型分类什么是线性分类呢？就是在一个空间当中找到决策面。在下图中分别画出了二维空间的决策

神经网络当中使用的卷积类型很多，主要有以下几种：1 任意填充无跨度卷积（arbitrary_padding_no_strides）    2 任意填充无跨度转置卷积（arbitrary_padding_no_strides_transposed） 3 扩张卷积（dilation）4 全填充无跨度卷积（full_padding_no_strides）...

目录1、卷积神经网络2、基本操作4、pooling层BP5、im2col6、code1、卷积神经网络卷积神经网络(convolutional neural network)是利用模型特性来处理掉输入的波动而获得不变性特征，由LeCun提出，目前广泛的应用于图像数据。2、基本操作卷积操作主要是f(x)g(x)在重合区域的积分。一维卷积 如下图...

当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。这里，首先默认各位都能理解过拟合和欠拟合的概念，如果有不清楚...

所有的层都具有的参数，如name, type, bottom, top和transform_param.本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。1、Convolution层：就是卷积层，是卷积神经网络（CNN）的核心层。层类型...

原文链接：Deformable Convolutional Networks代码链接：https://github.com/msracver/Deformable-ConvNets一、首先看看文章的摘要由于构造卷积神经网络 (CNN) 所用的模块中几何结构是固定的，其几何变换建模的能力本质上是有限的。在我们的工作中，我们引入了两种新的模块来提高卷积神经网络 (CNN) 对变换...

二者可以通过傅里叶变换相互转化，因为在频率域就是一些特性比较突出，容易处理。比如在空间图像里不好找出噪声的模式，如果变换到频率域，则比较好找出噪声的模式，并能更容易的处理。具体名词解释如下：空间域　英文： spatial domain。 释义： 又称图像空间(image space)。由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理。频率域

一、什么是图像噪声？噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。二、噪声来源—两个方面（1）图像获取过程中两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻

神经网络实现猫的种类识别代码地址：https://github.com/yeLer/cat_kind实现的主要部分有简单的网络结构在猫的种类识别上的应用，测试准确率0.832使用resNet50在猫的种类识别上的应用，测试准确率0.866使用数据增强解决过拟合问题，并提高测试准确率，测试准确率0.999项目文件夹说明------cat_kind项目文件名|---...

TensorBoard是TensorFlow下的一个可视化的工具，能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。图1 神将网络结构图首先我们给出一个创建神经网络的python代码作为一个案例：# -*- coding:utf-8 -*-import tensorflow as tfdef...