精华内容
下载资源
问答
  • 机器学习与深度学习习题集答案-2书的勘误,优化,源代码资源本文PDF全文链接:《机器学习-原理、算法与应用》配套PPT本文是SIGAI公众号文章作者编写的《机器学习》课程新版PPT,是《机器学习-原理、算法与应用》一书...

    4d83395a0db773bd0bd5b34f6c8d394e.png

    其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。

    • 机器学习与深度学习习题集答案-2
    • 书的勘误,优化,源代码资源

    本文PDF全文链接:《机器学习-原理、算法与应用》配套PPT

    本文是SIGAI公众号文章作者编写的《机器学习》课程新版PPT,是《机器学习-原理、算法与应用》一书的配套产品。《机器学习-原理算法与应用》一书被清华大学出版社评为2019年度畅销图书,感谢出版社和读者的大力支持!

    此书已被多所高校采购作为机器学习与深度学习课程教材。配套课程PPT可用于高校的机器学习与深度学习教学,以及在职人员培训时使用。我们将在后续免费提供习题集和配套PPT。为了帮助高校更好的教学,我们将会对课程PPT进行扩充与优化,并免费提供给高校教师使用。对此感兴趣的在校教师和学生可以通过向SIGAI微信公众号发消息获取。配套的PPT和习题集的更新也将在后续的公众号文章中持续给出。

    9f5b3202c8a568022488949a95a35a1f.png

    e29eea2db589aa9aad7c5be477afd39e.png

    88733b1c8d8667a7eedba25774bde212.png

    8d7e271dfd5009b090f0e39f19bc6374.png

    cc8afc45e3343fe2d716f1ec510ed7a8.png

    25ec872bbb24030cb3d6d66be432da8a.png

    d09f14799eeff83a17506fd6f7cc6b3b.png

    eecd9c28080a5550cf6bd245a23650ac.png

    769485e928296d465e389eff57f8ffa8.png

    8810a3578bd245ce89f9769c0ca5a83b.png

    1563251fa058d6f1717ea1adde4e5119.png

    d1c54df44a45b43855837a5031c49033.png

    3be116495a4c284f3c16a2bf6d31f245.png

    1ecd42eaccd3b3731eaf9431f3fd54cd.png

    d703d88112a8b9a0037c65bfbe9ad1e6.png

    d3c509d31822ea6b12662f804ae081bc.png

    3351c9a847690a3358ee225fa5875d69.png

    ca7b963695ec6902ff5d343fe440ea8f.png

    b8fb12d17a3c827d103865812f806857.png

    b8b9b0b6996725a8e505870318b0d219.png

    e0db89f22314ca916a6b3c7d393fe91a.png

    49e83da1843ec3b63c77e5ca3892b83f.png

    4f1c672e8a915dd110b58e9deff014ec.png

    f498bf24c4d069950732d367f7300a49.png

    1923db755810b4b9daf624a5b576b8ba.png

    3d4cb96f67d55a632ac9a15c259a571d.png

    4ad230488a5b723c659a031781cb4c4e.png

    0b05ac25c0d146059ebea6884fc7d800.png

    7dfd083d336b668dd2ae3d920dc4a605.png

    fc857ec74c2d96ae0f3ab9eb992677db.png

    9e8a53bb06aabeaa52fbc581975d2a39.png

    c914e26f123f8f3d51e2ecb5aaace939.png

    57f46f32c023bcdd7cf4658774c97b8c.png

    3c13576cb9bd7af040b06024cae5bc01.png

    a248d5c1e9f838dd3fa5f710da340f9a.png

    cd8f0a7e89eecae0da9fb79f08280323.png

    PS:限于篇幅,本文只提供部分预览,本文讲稿可以去官网下载完整版本,点击阅读原文即可。

    展开全文
  • 本文是SIGAI公众号文章作者雷明编写的《机器学习》课程新版PPT第二部分,包含了课程内容的数学、基本概念、线性回归、贝叶斯分类器、决策树、K近邻算法距离度量学习、数据降维算法、线性判别分析、人工神经网络等7...

    本文是SIGAI公众号文章作者雷明编写的《机器学习》课程新版PPT第二部分,包含了课程内容的数学、基本概念、线性回归、贝叶斯分类器、决策树、K近邻算法与距离度量学习、数据降维算法、线性判别分析、人工神经网络等7~17讲内容的PPT,是《机器学习-原理、算法与应用》一书的配套产品。《机器学习-原理算法与应用》一书被清华大学出版社评为2019年度畅销图书,感谢出版社和读者的大力支持!

    此书已被多所高校采购作为机器学习与深度学习课程教材。对于有意向采用此书作为课程教材的院校,我们将在后续免费提供习题集和配套PPT。为了帮助高校更好的教学,我们将会对课程PPT进行扩充与优化,并免费提供给高校教师使用。

    本书适合作为高等学习本科,研究生的机器学习和深度学习教材,也可作为人工智能领域研发人员的参考书。配套课程PPT可用于高校的机器学习与深度学习教学,以及在职人员培训时使用。对此感兴趣的在校教师和学生可以通过向SIGAI微信公众号发消息获取。配套的PPT和习题集的更新也将在后续的公众号文章中持续给出。

    以下是PPT第二部分节选,点击阅读原文即可获得PPT下载链接

    92eaad3c624315fc9e8c36280eb4427e.pngc762fae0da116aa31595836048b1506f.png2984ac68a87676f2fd376dca554bf612.png6b25f82668c123ebc3abf68450da2f08.pnga9d92419624cec8d45b6432fc50ba9fc.png3cf57174420597a41a5c50a7c6edb9e7.pngded1c58aa271f6be14266d848272eb97.png3d3366904aa3e834cab451fa3337594a.png4332eabdccb9b9a43f31e70b6a82ecbc.png9112bf72671de087b6faf1a95897271d.png8b95e3a567b576ee1bff7d08270beca5.png2cbdf9416db7c02846548f448d9981ee.png47758bb050ff52d87d16841f5204b3dd.png3c46afb93137fb14ba759ff88c250a23.png62ff12c8b784268b32dc102da5d141a4.pnged5a299ed4e8722e8a35c07dc5b9d20d.pngecd3b15d7e00618c65044a0007d5d83f.png2ee9e918d697519a81d45b789b6b766a.png

    3fe92d4d0818eb888a6cf75930737142.png

    8f32866a55ef4a2aaae4971b2e33af5a.png

    df1ae362e83cd4649095201adb2db6dd.png

    0f68bf2effc1ff027696471944c6e699.png

    783f5ab65b7c73faeeb7a7581a44f04f.png

    1cfc177f0b6ddadfb9ce584d6f72fb20.png

    26c42cc769e0d8d821cd633d0ab92bfc.png

    ebe81ad0cfb173d9bfdc4b53d79e749a.png

    9918060a78ec22411e80ea352cba0a1b.png

    c55b85071ab6243b419ad80eee7d15c9.png

    4f04afa9563a57dcac2a2d20e57f6ee2.png

    93919651bbac7a7cceb0c596ef67fc94.png

    ab22272be89a8dc67524c262d50f2b9f.png

    b2ce8ec2350917294125450941080cc4.png

    f6436eb2bdfda63995894d8be8038aee.png

    7fac56230ed9daa321295635a317ec9c.png

    bc612add3447d05ebeae21dc2aea0b64.png

    e8f70b9f550f81cdec39c48f7e8b195a.png

    d6f9630924a44b3084c0c39f27262e2f.png

    a622fd27fd0054e0eab41425ca2872b7.png

    6dcac0551ed53e52971d825594111a17.png

    a4f6e3c77c164d77cb72379eb1b0c328.png

    3d9f5e42ffb4c68881b81dba2c10c22d.png

    de2872751d801b54a030f7f7c5e3a85c.png

    4d2159af0e5ef5da3d61540cdd2bd4c8.png

    dd9e518fd75730833f8a231725574d39.png

    bd05fdd963b003300ca0501c907e0565.png

    34d31c5e9874ef224ea82290af271151.png

    98caecf5bd143ccc89b4e34290470071.png

    2cf71c493dd9ba0af4189b622fcfedec.png

    af6b5e07241ddb4dea72c5fec3513196.png

    676665f6a365943f5ba843efb20c5db7.png

    2c37ea36f61b8d224dede7b0d90e6e2b.png

    2c4a72b2d269d02fae723562db1df06f.png

    6d5bd80af7159f9e7bc627f597911be5.png

    99d85d8603bd25fbf83287b777b27350.png

    ffbd950a7db8dc3568480db5db3d9163.png

    参考文献

    [1] 机器学习-原理、算法与应用,雷明著,清华大学出版社

    本文为SIGAI原创

     如需转载,欢迎发消息到本订阅号

    03432ffaf5ba13f8c4f882d6bad52daf.png

    全文PDF见http://www.tensorinfinity.com/paper_229.html

    记得点击右下角“好看

    展开全文
  • 本文是SIGAI公众号文章作者雷明编写的《机器学习》课程新版PPT第二部分,包含了课程内容的数学、基本概念、线性回归、贝叶斯分类器、决策树、K近邻算法距离度量学习、数据降维算法、线性判别分析、人工神经网络等7...

    8b6895960e858e5ba95e51a9038d930c.png

    本文是SIGAI公众号文章作者雷明编写的《机器学习》课程新版PPT第二部分,包含了课程内容的数学、基本概念、线性回归、贝叶斯分类器、决策树、K近邻算法与距离度量学习、数据降维算法、线性判别分析、人工神经网络等7~17讲内容的PPT,是《机器学习-原理、算法与应用》一书的配套产品。《机器学习-原理算法与应用》一书被清华大学出版社评为2019年度畅销图书,感谢出版社和读者的大力支持!

    • 书的购买链接
    • 书的勘误,优化,源代码资源

    本文PDF全文链接:《机器学习-原理、算法与应用》配套PPT第二部分

    此书已被多所高校采购作为机器学习与深度学习课程教材。对于有意向采用此书作为课程教材的院校,我们将在后续免费提供习题集和配套PPT。为了帮助高校更好的教学,我们将会对课程PPT进行扩充与优化,并免费提供给高校教师使用。

    本书适合作为高等学习本科,研究生的机器学习和深度学习教材,也可作为人工智能领域研发人员的参考书。配套课程PPT可用于高校的机器学习与深度学习教学,以及在职人员培训时使用。对此感兴趣的在校教师和学生可以通过向SIGAI微信公众号发消息获取。配套的PPT和习题集的更新也将在后续的公众号文章中持续给出。

    f52cb7ef315a9c8077ad4cbccf8801a1.png

    86a0c0fafc2a129b581e6e6666dcf0da.png

    fc37c4ddd3a9c3b8a9167ecdff22b7e8.png

    c6235e1f7a6ed2562110ec656624fc31.png

    170ad04eb21087684434d06739e9d552.png

    54c0ac6f19facd9618503e9c39fe9a4c.png

    189c60725dedb8625568ffc2b3f5b74c.png

    010ad5b1f56fabaeedcd5bc3c9ec94d5.png

    da47cae8e2e6073795714400e41348a2.png

    d447b6787bf369c99b00af089a899c5c.png

    2f0174698e44fdcbdb148361e55386e8.png

    eecb2666d8c5e1ac666efad0f8665693.png

    fd30dfbce37b4a735db5503a77f5fe07.png

    c9b665ccb61d855b4cbadcc0ae22cee8.png

    55e70ab76373caf8334618701032bcce.png

    fa14e5856b0944e191caee25fee05f69.png

    453be166a3ed0d6f6ab6f8628e54d348.png

    0c68c271dd40451a7e81b003f9395a9f.png

    fc9e89f4c0ddb8c7fc29093cb63a0179.png

    a3f7dc382ad1667faed14c36c239c589.png

    a56cd0256b24edb8a4a2523d7e4132ac.png

    07ffc7b87a31549698cb470c068c7cfe.png

    94677f766672a94ddee6648903e88a2e.png

    7253f108cfb37487354401001e3baf86.png

    d121f5e3aaa6e7b1d1f53aeb2d4006db.png

    d18fb103461599f54257bf0ad12a7709.png

    e047b9ea8461e906a7ceb899cbe42e44.png

    7d82eacb95a940bb43d54d03d3a793c2.png

    5b61ea48544e6976acce403cb2f351f4.png

    6927ba2deafd5116432a353f7d91c8a0.png

    f87373f3f89a1894980efe62f287bc73.png

    23020dc96d60ce656662bac36536912f.png

    e27c0bd1f594d27e09b7da5d0a6fe21d.png

    8fd5fc03e4a55207b270426a75442ed9.png

    60f72a7fd8fc081d40783816b9f044cd.png

    2d2c7354283ecb5dc8cff506095ef049.png

    787db163b166f8af9fef9aaec4f8b5a8.png

    a6e579cd79c222eef85627b74f03f0cd.png

    9c484362b3d6f66bc388040c4c4698a1.png

    26bec3a95176e07b40cd7c0cce88fb1d.png

    f34094b388c5a63b5475cca5e12363de.png

    0d0258779d902bf8ab7d14b6f8941cae.png

    cb8508d01915c1c5180e76524f3dd664.png

    ac4b090324b72bfa0902f90f6291db8b.png

    d18022ae98b44e5fede494f8609c71cf.png

    cb789b8ddbbe0069d4a9ce89b0237976.png

    a10bcbded64b8339107e033c8fb827da.png

    d07620364bb4ceb2dc22f20dbad25844.png

    a2f1053a2ee0c3e9511bd52e57166089.png

    537c98e9643d81d4dc34bd889e759a9a.png

    81c89f7062ec61041ed0c078e626bc99.png

    a1a030c8634d05355d36566a525439be.png

    3904263d707aa12c139078d1bfb5cff8.png

    3b6ed7b4d4de61eb7e2ed4d16408e34c.png

    21ff63be434d0395de05877360dc5223.png

    af542493ccc6f5de7db2c18ad00b6790.png
    展开全文
  • 机器学习算法地图

    千次阅读 多人点赞 2018-07-05 12:10:07
    其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 文章《机器学习算法地图》系...

    其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。

    •  

    文章《机器学习算法地图》系SIGAI原创,仅供个人学习使用,未经允许,不得转载,不能用于商业目的。如需获取原版PDF全文,可搜索关注VX公众号SIGAICN。(https://0x9.me/dxRg5)

     

     

    很多同学在学机器学习和深度学习的时候都有一个感受:所学的知识零散、不系统,缺乏整体感,这是普遍存在的一个问题。在这里,SIGAI对常用的机器学习和深度学习算法进行了总结,整理出它们之间的关系,以及每种算法的核心点,各种算法之间的比较。由此形成了一张算法地图,以帮助大家更好的理解和记忆这些算法。

    如果你对这张图感兴趣,可以关注SIGAI公众号,给公众号发消息,得到电子版的下载地址,用作电脑桌面是非常不错的,绝对有逼格!我们把这张图用精美的纸打印出来了,如果你想要纸质版的,也可以给我们的公众号发消息,我们会用快递发送给你(快递费自付),贴在墙上也是不错的!

    下面先看这张图:

    关注微信公众号:SIGAICN,回复“算法地图”,即可获得高清电子版

     

    图的左半部分列出了常用的机器学习算法与它们之间的演化关系,分为有监督学习,无监督学习,强化学习3大类。右半部分列出了典型算法的总结比较,包括算法的核心点如类型,预测函数,求解的目标函数,求解算法。

    理解和记忆这张图,对你系统化的掌握机器学习与深度学习会非常有帮助!

    我们知道,整个机器学习算法可以分为有监督学习,无监督学习,强化学习3大类。除此之外还有半监督学习,但我们可以把它归到有监督学习中。算法的演变与发展大多在各个类的内部进行,但也可能会出现大类间的交叉,如深度强化学习就是深度神经网络与强化学习技术的结合。

    根据样本数据是否带有标签值(label),可以将机器学习算法分成有监督学习和无监督学习两类。如果要识别26个英文字母图像,我们要将每张图像和它是哪个字符即其所属的类型对应起来,这个类型就是标签值。

    有监督学习(supervised learning)的样本数据带有标签值,它从训练样本中学习得到一个模型,然后用这个模型对新的样本进行预测推断。它的样本由输入值x与标签值y组成:

    其中x为样本的特征向量,是模型的输入值;y为标签值,是模型的输出值。标签值可以是整数也可以是实数,还可以是向量。有监督学习的目标是给定训练样本集,根据它确定映射函数:

    确定这个函数的依据是函数能够很好的解释训练样本,让函数输出值f(x)与样本真实标签值y之间的误差最小化,或者让训练样本集的对数似然函数最大化。这里的训练样本数是有限的,而样本所有可能的取值集合在很多情况下是一个无限集,因此只能从中选取一部分样本参与训练。

    日常生活中的很多机器学习应用,如垃圾邮件分类,手写文字识别,人脸识别,语音识别等都是有监督学习。这类问题需要先收集训练样本,对样本进行进行标注,用标注好的训练样本训模型,然后根据模型对新的样本进行预测。

    无监督学习(unsupervised learning)对没有标签的样本进行分析,发现样本集的结构或者分布规律。无监督学习的典型代表是聚类和数据降维。

    强化学习是一类特殊的机器学习算法,它根据输入数据确定要执行的动作,在这里。输入数据是环境参数。和有监督学习算法类似,这里也有训练过程中。在训练时,对于正确的动作做出奖励,对错误的动作做出惩罚,训练完成之后就用得到的模型进行预测。

    在有监督学习算法中,我们列出了5个分支:

    关注微信公众号:SIGAICN,回复“算法地图”,即可获得高清电子版

    分别是决策树,贝叶斯,线性模型,kNN,LDA(线性判别分析),集成学习。LDA也可以归类到线性模型中,但因为它是一种有监督的投影技术,我们单独列出。

    决策树是一种基于规则的方法,它的规则是通过训练样本学习得到的,典型的代表是ID3,C4.5,以及分类与回归树。

    集成学习是机器学习中一类重要的算法,它通过将多个简单的模型进行集成,得到一个更强大的模型,简单的模型称为弱学习器。决策树与集成学习算法相结合,诞生了随机森林,Boosting这两类算法(事实上,Boosting算法的弱学习器不仅可以用决策树,还可以用其他算法)。

    线性模型是最大的一个分支,从它最后衍生除了一些复杂的非线性模型。如果用于分类问题,最简单的线性模型是线性回归,加上L2和L1正则化项之后,分别得到岭回归和LASSO回归。对于分类问题,最简单的是感知器模型,从它衍生出了支持向量机,logistic回归,神经网络3大分支。而神经网络又衍生出了各种不同的结构。包括自动编码器,受限玻尔兹曼机,卷积神经网络,循环神经网络,生成对抗网络等。当然,还有其他一些类型的神经网络,因为使用很少,所以在这里不列出。

    kNN算法基于模板匹配的思想,是最简单的一种机器学习算法,它依赖于距离定义,而距离同样可以由机器学习而得到,这就是距离度量学习。

    贝叶斯也是有监督学习算法中的一个大分支,最简单的是贝叶斯分类器,更复杂的有贝叶斯网络。而贝叶斯分类器又有朴素贝叶斯和正态贝叶斯两种实现。

    接下来说无监督学习,它可以分为数据降维算法和聚类算法两大类。演变关系如下图所示:

    关注微信公众号:SIGAICN,回复“算法地图”,即可获得高清电子版

    无监督的降维算法可以分为线性降维和非线性降维两大类。前者的典型代表是主成分分析(PCA),通过使用核技术,可以把它扩展为非线性的版本。流形学习是非线性降维技术的典型实现,代表性的算法有局部线性嵌入(LLE),拉普拉斯特征映射,等距映射,局部保持投影,它们都基于流形假设。流形假设不仅在降维算法中有用,在半监督学习、聚类算法中同样有使用。

    聚类算法可以分为层次距离,基于质心的聚类,基于概率分布的距离,基于密度的聚类,基于图的聚类这几种类型。它们从不同的角度定义簇(cluster)。基于质心的聚类典型代表是k均值算法。基于概率分布的聚类典型代表是EM算法。基于密度的聚类典型代表是DBSCAN算法,OPTICS算法,Mean shift算法。基于图的聚类典型代表是谱聚类算法。

    强化学习是机器学习中的一个特殊分支,用于决策、控制问题。这类算法的演变关系如下图所示:

    关注微信公众号:SIGAICN,回复“算法地图”,即可获得高清电子版

     

    整个强化学习的理论模型可以抽象成马尔可夫决策过程。核心任务是求解使得回报最大的策略。如果直接用动态规划求解,则有策略迭代和价值迭代两类算法。他们都要求有精确的环境模型,即状态转移概率和奖励函数。如果做不到这一点,只能采用随机算法,典型的代表是蒙特卡罗算法和时序差分算法。强化学习与深度学习相结合,诞生了深度强化学习算法,典型代表是深度Q网络(DQN)以及策略梯度算法(策略梯度算法不仅可用神经网络作为策略函数的近似,还可以用其他函数)。

    下面我们来分别介绍每种算法的核心知识点以及它们之间的关系。

    有监督学习

    先看有监督学习算法,它是当前实际应用中使用最广的机器学习算法。进一步可以分为分类问题与回归问题两大类。前面说过,有监督学习算法的预测函数为:

     

    即根据输入数据x预测出输出数据y。如果y是整数的类别编号,则称为分类问题;如果y是实数值,则为回归问题。

    贝叶斯分类器

    分类问题中样本的特征向量取值x与样本所属类型y具有因果关系。因为样本属于类型y,所以具有特征值x。分类器要做的则相反,是在已知样本的特征向量为x的条件下反推样本所属的类别y。根据贝叶斯公式有:

     

    只要知道特征向量的概率分布p(x),每一类出现的概率p(y),以及每一类样本的条件概率p(x|y),就可以计算出样本属于每一类的概率p(y|x)。如果只要确定类别,比较样本属于每一类的概率的大小,找出该值最大的那一类即可。因此可以忽略p(x),因为它对所有类都是一样的。简化后分类器的判别函数为:

    训练时的目标是确定p(x|y)的参数,一般使用最大似然估计。如果假设样本特征向量的各个分量之间相互独立,则称为朴素贝叶斯分类器。如果假设特征向量x服从多维正态分布,则称为正态贝叶斯分类器。正态贝叶斯分类器的预测函数为:

    贝叶斯分类器是一种生成模型,是非线性模型,它天然的支持多分类问题。下图是正态贝叶斯分类器对异或问题的分类结果(来自SIGAI云端实验室):

    决策树家族

    决策树是基于规则的方法,它用一组嵌套的规则进行预测,在树的每个决策节点处,根据判断结果进入一个分支,反复执行这种操作直到到达叶子节点,得到决策结果。决策树的这些规则通过训练得到,而不是人工制定的。下图是决策树的一个例子:

    决策树是一种判别模型,也是非线性模型,天然支持多类分类问题。它既可以用于分类问题,也可以用于回归问题,具有很好的解释性,符合人类的思维习惯。常用的决策树有ID3,C4.5,分类与回归树(CART)等。

    分类树对应的映射函数是多维空间的分段线性划分,即用平行于各个坐标轴的超平面对空间进行切分;回归树的映射函数是一个分段常数函数。决策树是分段线性函数但不是线性函数,它具有非线性建模的能力。只要划分的足够细,分段常数函数可以逼近闭区间上任意函数到任意指定精度,因此决策树在理论上可以对任意复杂度的数据进行分类或者回归。

    下图是决策树进行空间划分的一个例子。在这里有红色和蓝色两类训练样本,用下面两条平行于坐标轴的直线可以将这两类样本分开(来自SIGAI云端实验室):

    这个划分方案对应的决策树如下图所示:

     

     

    推荐文章

    往期文章汇总

    [1] 机器学习-波澜壮阔40年 SIGAI 2018.4.13.

    [2] 学好机器学习需要哪些数学知识?SIGAI 2018.4.17.

    [3] 人脸识别算法演化史 SIGAI 2018.4.20.

    [4] 基于深度学习的目标检测算法综述 SIGAI 2018.4.24.

    [5] 卷积神经网络为什么能够称霸计算机视觉领域? SIGAI 2018.4.26.

    [6] 用一张图理解SVM的脉络 SIGAI 2018.4.28.

    [7] 人脸检测算法综述 SIGAI 2018.5.3.

    [8] 理解神经网络的激活函数 SIGAI 2018.5.5.

    [9] 深度卷积神经网络演化历史及结构改进脉络-40页长文全面解读 SIGAI 2018.5.8.

    [10] 理解梯度下降法 SIGAI 2018.5.11.

    [11] 循环神经网络综述—语音识别与自然语言处理的利器 SIGAI 2018.5.15

    [12] 理解凸优化 SIGAI 2018.5.18

    [13]【实验】理解SVM的核函数和参数 SIGAI 2018.5.22

    [14] 【SIGAI综述】行人检测算法 SIGAI 2018.5.25

    [15] 机器学习在自动驾驶中的应用—以百度阿波罗平台为例(上) SIGAI 2018.5.29

    [16] 理解牛顿法 SIGAI 2018.5.31

    [17]【群话题精华】5月集锦—机器学习和深度学习中一些值得思考的问题 SIGAI 2018.6.1

    [18] 大话Adaboost算法 SIGAI 2018.6.2

    [19] FlowNet到FlowNet2.0:基于卷积神经网络的光流预测算法 SIGAI 2018.6.4

    [20] 理解主成分分析(PCA) SIGAI 2018.6.6

    [21] 人体骨骼关键点检测综述 SIGAI 2018.6.8

    [22] 理解决策树 SIGAI 2018.6.11

    [23] 用一句话总结常用的机器学习算法 SIGAI 2018.6.13

    [24] 目标检测算法之YOLO SIGAI 2018.6.15

    [25] 理解过拟合 SIGAI 2018.6.18

    [26] 理解计算:从√2到AlphaGo ——第1季 从√2谈起 SIGAI 2018.6.20

    [27] 场景文本检测——CTPN算法介绍 SIGAI 2018.6.22

    [28] 卷积神经网络的压缩和加速 SIGAI 2018.6.25

    [29] k近邻算法 SIGAI 2018.6.27

    [30] 自然场景文本检测识别技术综述 SIGAI 2018.6.27

    [31] 理解计算:从√2到AlphaGo ——第2季 神经计算的历史背景 SIGAI 2018.7.4

    [32] 机器学习算法地图 SIGAI2018.7.6

    展开全文
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:哪些成为了...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 PDF全文链接:深度学习模型...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:深入浅出聚类...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:基于PyTorch的计算机...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF 全文下载:论文解读 Receptive...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF 全文下载:论文解读 Receptive...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源本文PDF全文链接:ICCV2019 Oral...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:GAN生成图像综述摘要...
  • 弯曲文字检测之SPCNet

    千次阅读 2019-01-21 15:18:58
    其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 获取全文PDF请查看:弯曲文字...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:目标检测算法之 Yolo...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:CVPR2019目标检测...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源作者简介:SIGAI人工智能平台全文...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:【AAAI2019】...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:人脸检测算法...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 获取全文PDF;请查看...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:真Anchor Free目标...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:干货|手把手教...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:干货|手把手教...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:从单幅图像到双目...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:从单幅图像到双目...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:场景文本检测-...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源本文PDF全文链接:基于点云 / RGBD...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源本文PDF全文链接:基于点云 / RGBD...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源获取全文PDF请查看:文本表示简介...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资源PDF全文链接:基于随机游走的图...
  • 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 理解...

空空如也

空空如也

1 2
收藏数 32
精华内容 12
关键字:

机器学习与应用雷明pdf