• 贡献

  • 关注

  • 访问

个人简介:

 
共 37 篇文章
显示摘要每页显示  条
vector<float> dot(const vector<vector<float> > &v1, const vector<float> &v2);} } vector<float> SpatialTree::dot(const vector<vector<float> > &v1, const vector<float> &v2) { if (v2.size() == 0) cout &...
为了增加特征map的个数(实际上就是提取不同的特征),我们在每一个位置都采用两个不同的卷积核,这样在C2层的两个特征maps组中,每组都包含23个特征maps。而C6层就包含有128个特征map,每个特征map与S5层中所有78(13x6)个特征maps全连接,这样每个特征map就是1x1,也就是一个值了,而这个就是最终的特征向量了。为了达到这个目的,我们用大...
每一层有多个特征图,每个特征图通过一种卷积滤波器提取输入的一种特征,每个特征图有多个神经元。通过利用这种特征,卷积神经网络利用一组分布于图像各个不同位置但具有相同权值向量的单元,来获取图像的特征并构成一幅特征图(Feature Map)。在卷积层和抽样层中有若干个特征图,每一层有多个平面,每层中各平面的神经元提取图像中特定区域的...
它用于将先验概率转化为后验概率,也就是我们先知道一件事情发现的概率p(x)(先验概率),然后根据条件概率p(y|x)观察到一定数量的事件y(条件概率),最后再重新估计一下这件事情发生的概率p(x|y)(后验概率)。考虑一个二元随机变量x∈{0,1},为了方便理解,我们可以假设x=1表示的是硬币正面朝上的概率而x=0表示的是硬币反面朝上的概率,...
偏频派与贝叶斯派偏频派。根据贝叶斯派的观点,变量都是不确定的,且服从一定的分布。根据贝叶斯定理先验转后验,我们可以很惊奇地发现我们得到了一个加上L2范数正则化项的目标方程。通过上面的图我们可以观察得到,当先验是拉普拉斯分布的时候,在正方形(拉普拉斯分布)与目标函数分布相交与一个轴上,也就是意味着还有参数的值为0 。不同的...
PCA有两种常用的定义,分别是从最大化投影后数据的方差和最小化投影后数据与原始数据之间的误差两个角度考虑的。当我们从方差最大化的角度去考虑PCA的时候,我们的目标其实是要将原始数据投影到一个低维(维数M<D)空间,并且要最大化投影后的数据的方差。所以对于一般的M,这个问题的结果应当是根据原始数据的协方差矩阵S的特征值从大到小选择...
随机过程--Metropolis-Hastings算法 2016-04-25 10:24 http://blog.csdn.net/lin360580306/article/details/51240398.求解概率和期望问题求解概率问题 ??贝叶斯先验转后验: p(θ|D)=p(D|θ)p(θ)D?? 概率归一化问题: p(θ)=p?(θ)Z?? 通常,我们需要从贝叶斯后验和归一化后的概率中抽样,但是通常这两个概率很难求,主要是因为分母很难求,分...
帮助 | 留言交流 | 联系我们 | 服务条款 | 下载网文摘手 | 下载手机客户端 | 友情链接
北京六智信息技术股份有限公司 Copyright© 2005-2019 360doc.com , All Rights Reserved
京ICP证090625号 京ICP备05038915号 京网文[2016]6433-853号 京公网安备11010502030377号
返回
顶部