1. 前言维特比算法针对HMM第三个问题，即解码或者预测问题，寻找最可能的隐藏状态序列：对于一个特殊的隐马尔可夫模型(HMM)及一个相应的观察序列，找到生成此序列最可能的隐藏状态序列。也就是说给定了HMM的模型参数和一个观测序列，计算一系列的隐状态，使得此观察序列的出现可能最大，即最大化P(隐状态 | 观测序列)，给定观测序列，求最可能的对应的隐状态序列。实际上解决此问题，在《统计...

前言突然就想分析一下全卷积网络的转置卷积部分了, 就是这么猝不及防的想法, 而且这个网络对图片的输入大小无要求，这么神奇的网络是时候分析一波了，我个人的学习方法调试代码，然后对照论文看理论本次分析主要针对每层的权重大小和特征图大小的推导分析, 最最重要的是转置卷积部分是如何将特征图慢慢扩张到原始图片大小的.国际惯例, 参考博客:FCN的caffe实现戳这里FCN学习:Semantic Segmen

监督学习与无监督学习

第一步：前向传播【注】此BP算法的证明仅限sigmoid激活函数情况。本博文讲道理是没错的，毕竟最后还利用代码还核对了一次理论证明结果。关于更为严谨的BP证明，即严格通过上下标证明BP的博客请戳这里简单的三层网络结构如下参数定义：可见层定义为X，共有n个单元，下标用 i表示隐藏层定义为B，共有p个单元，下标用 j 表示输出层定义为Y，共有q个...

前言最近发现有挺多人喜欢径向基函数(Radial Basis Function,RBF)神经网络，其实它就是将RBF作为神经网络层间的一种连接方式而已。这里做一个简单的描述和找了个代码解读。之前也写过一篇，不过排版不好看，可以戳这里跳转国际惯例，参考博客：维基百科径向基函数《模式识别与智能计算——matlab技术实现第三版》第6.3章节《matlab神经网络43个案例分析》第7章节tensorfl

本文摘自：《模式识别与智能计算——matlab技术实现第三版》与《matlab神经网络43个案例分析》【注】蓝色字体为自己的理解部分径向基函数神经网络的优点：逼近能力，分类能力和学习速度等方面都优于BP神经网络，结构简单、训练简洁、学习收敛速度快、能够逼近任意非线性函数，克服局部极小值问题。原因在于其参数初始化具有一定的方法，并非随机初始化。RBF是具有...

主要借鉴此博客代码：http://blog.csdn.net/sherry_gp/article/details/50560003但是这个博主的代码达不到我想要的效果，所以修改了一下我想要实现的效果是：给定一列的预测标签，以及这一列标签的哪一部分理应属于哪一部分标签。此代码实现的功能是：给定条件：给定预测标签为A=[1 2 1 1 2 2 3 2 3 3 3 3 4 4 1

matlab之norm计算范数

前言这里主要是看到了一个简单的LSTM例子，比上一个coco简单很多，所以在这里记录一下，便于后续的分析，参考博客在上一篇文章的末尾提到过：Recurrent neural nets with Caffe需要说明的是这个例子也并非原原本本的使用caffe自带的LSTM，而是加入了一些东西，所以我们还是得新增层国际惯例，代码链接：作者提供GitHub：https://github.c

转自：http://blog.sina.com.cn/s/blog_6833a4df01012bcf.html牛人主页（主页有很多论文代码）Serge Belongie atUC San DiegoAntonioTorralba at MITAlexeiFfros at CMUCeLiu at Microsoft Research N