Andrew

【计算几何】 向量叉积&&Andrew算法求凸包 详解

文章目录一.预备知识1.向量2.向量的叉积3.平面坐标中叉乘的计算方法4.叉积的应用5.叉乘计算代码：二.Andrew算法1.凸包定义2.Andrew算法三.模板一.预备知识1.向量向量是一类既有大小又有方向的量
Nefu_qky·2022-12-16 14:03

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications--Andrew

0、摘要1、引入2、先前工作3、MobileNet结构3.1DepthwiseSeparableConvolution（深度可分离卷积）3.2网络结构和训练3.3WidthMultiplier:ThinnerModels3.4ResolutionMultiplier:ReducedRepresentation4、实验4.1对比深度可分离卷积和普通卷积的效果4.2计算量恒定，是选择MobileNet
我是一个对称矩阵·2022-12-12 01:29

Andrew Ng Stanford机器学习公开课 总结(5) Lecture 5 高斯判别分析和朴素贝叶斯

如果图片不完成请参考gitpage原文Lecture5高斯判别分析和朴素贝叶斯介绍GaussianDiscriminantAnalysis以及NaiveBayes生成式学习GenerativeLearningalgorithm关键词：GenerativevsDiscriminative判别式算法Discriminativelearningalgorithm如逻辑回归、决策树、SVM等常见算法都是直
我叫龙翔天翼·2022-12-11 09:53

CVPR2021| 继SE,CBAM后的一种新的注意力机制:坐标注意力机制（Coordinate Attention）

一、前言论文：http://arxiv.org/abs/2103.02907论文：http://arxiv.org/abs/2103.02907论文：源码：https://github.com/Andrew-Qibin
腿。·2022-12-10 14:42

Machine Learning第二讲[多变量线性回归] -（二）计算参数分析

内容来自Andrew老师课程MachineLearning的第二章内容的ComputingParametersAnalytically部分。
nana-li·2022-12-10 04:17

深度学习可能相关的词汇

AWS,Accuracy,ActivationLoggerfkeras,Adagrad,Adam,Alex,Alexa,Alexey,AlphaGo,Amazon,Analytical,Andrei,Andrew
python & TwinCAT·2022-12-05 14:31

Deep Learning | Andrew Ng (05-week3)—序列模型和注意力机制

【第5部分-序列模型-第三周】在吴恩达深度学习视频基础上，笔记总结，添加个人理解。-ZJCoursera课程|deeplearning.ai|网易云课堂CSDN：http://blog.csdn.net/JUNJUN_ZHAO/article/details/79549819序列模型和注意力机制（Sequencetosequencemodels）3.1基础模型(Basicmodels)您好，欢迎参
ZJ_Improve·2022-12-05 09:44

斯坦福机器学习公开课--整理笔记（…

跟老板聊了很久之后，决定换一个研究方向，本来想专门写一篇博文说说数据挖掘与机器学习，后来转念也想也算了，毕竟之前还是有很多可以用上的知识，这几天准备把Andrew大牛的机器学习公开课重新刷一遍，简单做一下笔记好了
宣小K·2022-12-01 16:20

Andrew-Ng-ML 吴恩达机器学习 课后练习错题总结

Andrew-Ng-ML吴恩达机器学习课后练习错题总结4LinearRegressionwithMultipleVariables5Octave/MatlabTutorial6LogisticRegression7Regularization8NeuralNetworks
持续战斗状态·2022-12-01 07:34

Andrew Ng_Neural Networks and Deep Learning（待更新）

AndrewNg'sCourseraCourse:NeuralNetworksandDeepLearning课程1：神经网络和深度学习第一周：介绍第二周：神经网络编程基础第三周：浅层神经网络第四周：深层神经网络课程2：改善深度神经网络：超参数调节、正则化、优化第一周：介绍第二周：优化算法第三周：超参数调节、批量标准化/正规化、框架课程3：结构化机器学习项目第一周：策略一第二周：策略二课程4：卷积神
BubbleCodes·2022-11-30 16:21

paper 124：【转载】无监督特征学习——Unsupervised feature learning and deep learning

本文将主要针对Andrew的unsupervisedlea
weixin_34290000·2022-11-30 15:46

转：无监督特征学习——Unsupervised feature learning and deep learning

本文将主要针对Andrew的unsupervisedlearni
weixin_30549657·2022-11-30 15:45

[转] 无监督特征学习——Unsupervised feature learning and deep learning

本文将主要针对Andrew的unsupervisedl
dashi3627·2022-11-30 15:15

无监督特征学习

本文将主要针对Andrew的unsu
MountainHeng·2022-11-30 15:15

无监督特征学习——Unsupervised feature learning and deep learning

本文将主要针对Andrew的unsupervisedlearning，结合他的视频：unsupervisedfeaturelearningbyAndrewNg做出导论性讲解。关
GarfieldEr007·2022-11-30 15:44

FastRCNN实现识别口罩

使用深度网络提取特征c.对候选框中提取出的特征，使用分类器判别是否属于一个特定类d.对于属于某一特征的候选框，用回归器进一步调整其位置[1]图片地址训练集地址https://www.kaggle.com/andrew
sinom21·2022-11-30 10:30

CLM4.5网络资料整合

单点模拟√Linux系统下使用gfortran气象家园@zpxie【经验分享】CLM4.5单点地表资料及单站气象驱动资料制备流程请问大家clm5.0的自制强迫场数据是三小时的，stream文件该怎么写@andrew
Claret_YF·2022-11-29 17:33

吴恩达深度学习学习笔记——C4W2——深度卷积网络实例探究——作业2——残差网络

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master
预见未来to50·2022-11-29 10:58

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统...

Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域，对于一些问题存在一些算法，能试图自动地替你学习到一组优良的特征。通过推荐系统(recommendersystems)，将领略一小部分特征学习的思想。假使有5部电影，3部爱情片、2部动作片。4个用户为其中的部分电影打了分。现在希望构建一个算法，预测每个人可能给没看过的电
weixin_30807677·2022-11-29 09:38

Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 3——逻辑回归、过拟合与正则化

此系列为Coursera网站机器学习课程个人学习笔记（仅供参考）课程网址：https://www.coursera.org/learn/machine-learning参考资料：http://blog.csdn.net/scut_arucee/article/details/49889405一、ClassificationandRepresentation1.1分类问题（classificatio
StarCoo·2022-11-26 20:59

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 8_Neural Networks Representation 神经网络的表述...

神经网络是一种受大脑工作原理启发的模式。它在许多应用中广泛使用：当您的手机解释并理解您的语音命令时，很可能是神经网络正在帮助理解您的语音;当您兑现支票时，自动读取数字的机器也使用神经网络。8.1非线性假设Non-linearClassification参考视频:8-1-Non-linearHypotheses(10min).mkv线性回归和逻辑回归的缺点：当输入数据特征过多，计算负荷大。计算机视觉
weixin_30498807·2022-11-24 05:39

深度学习（五）序列模型-循环神经网络（RNN）（1） -Andrew Ng

目录一、基础知识1.1为什么选择序列模型？1.2数学符号1.3循环神经网络1.4循环神经网络的反向传播1.5不同类型的循环神经网络1.6语言模型和序列生成1.7对新序列采样1.8循环神经网络的梯度消失1.9GRU单元（门控循环单元）1.10长短期记忆1.11双向循环神经网络1.12深层循环神经网络二、测验三、编程3.1一步步创建循环神经网络3.1.1基本循环神经网络的正向传播3.1.2RNN单元3
小飞猪666·2022-11-23 06:02

Andrew Ng - Deep Learning - course1 - week 4, deep neural network

1.Code#-*-utf-8-*-"""date:2018/12/3cost:aday""""""log今日发现的cost下降十分慢，与答案有出入的原因：update写错（另一个注意点：initializeparameters------/np.sqrt())"""importmatplotlib.pyplotaspltimportnumpyasnpimportlr_utilsimporttes
笨鸟不走·2022-11-22 12:29

Andrew Ng's deeplearning Course5Week2 Natural Language Processing&Word Embeddings

一.词嵌入介绍1.词汇表征在之前，我们是根据单词在词汇表中的位置来表示单词的（one-hot），而这个方法有一个缺点。在做如上图所示的迁移学习时，模型没法根据上一句的orangejuice而判断得到下面一句apple的后面大概率也是juice。有一种方法能比较好的解决这个问题，那就是特征化的表示方法。如上图所示，假设每个单词有300维，每一维代表的都是一个特征，里面的值就代表这个特征和这个单词的关
福尔摩栋·2022-11-22 12:28

Andrew Ng's deeplearning Course5Week3 Sequence models & Attention mechanism

一.基础模型编码-解码如图中所示，输入一个法语句子，然后将其转换为英语句子。我们设定一个RNN结构的编码器和解码器，先将输入的法语句子编码为一个向量，再通过解码器将其转换为英语句子。图像描述图像描述，顾名思义就是给出一幅图片，然后根据图片给出相应的描述。我们将之前RNN中学到的AlexNet结构最后的softmax层去掉，前面的就是类似于一个编码网络，可以将图片编码成一个向量；然后我们再添加一个R
福尔摩栋·2022-11-22 12:28

Andrew Ng's deeplearning Course2Week1 Practical aspects of Deep Learning(深层学习的实用层面)

1深度学习的实用层面1.1基础1.1.1深度学习应用简述正如上图所说：深度学习的应用是一个高度迭代的过程，对于隐藏层的数量，隐藏单元数，学习率，激活函数这些该怎么选，我们其实心里并没有数，我们只有在一次次的选择和迭代过程中才能不断找到更好的，因此深度学习是一个高度迭代的过程。1.1.2训练/开发/测试集的选择高质量的训练数据集、验证集和测试集可以有效的提高循环的效率，如何选择咱们看下图：我们可以将
福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course3Week1 ML Strategy(结构化机器学习)

一、机器学习的策略什么是机器学习策略，机器学习的策略就是一些分析机器学习问题的方法。当你的模型精准度达到90%时，还不够好，你想让它更好，你可以选择收集更多的数据，尝试更大或更小的网络，尝试dropout，尝试调整各种参数，你的选择太多了，但你并不知道调整过后效果怎么样，可能花费几个月时间但是效果并没长进，有什么应对办法嘛，那就是正交化。正交化，对于那些知道正交化的人来说，他们的思路非常清晰，他们
福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course4Week1 Convolutional Neural Networks(卷积神经网络)

一、计算机视觉深度学习帮助计算机视觉很好的发展，如无人驾驶车识别路上的行人和车辆，人脸识别，艺术风格迁移。如上图所示，深度学习在大图像上有一个问题，那就是维度。之前64*64*3的维度才12288，但是如果是1000*1000像素的大图片，那么维度就是3million，假设第一层有1000个隐藏单元，那么就是3billion。输入维度太大，在参数如此大量的情况下，难以获取足够的数据来防止过拟合，要
福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course1Week4 Deep neural network(深层神经网络)

4深层神经网络4.1深层神经网络概述正如上图中所示，logisiticregression是一个浅层的模型，当隐藏层的数量足够多的时候，我们就说这是一个深层的神经网络。4.2深层神经网络中的前向传播和前面的浅层神经网络一样，每一层计算z[L]=W[L]*a[L-1]+b[L],a[L]=g[L](z[L])，最终得到y帽。将其向量化后就变为Z[L]=W[L]*A[L-1]+b[L],A[L]=g[
福尔摩栋·2022-11-22 12:27

Andrew Ng's deeplearning Course1Week2 Neural Networks Basics（神经网络基础）

2.1二分2.1.1举一个识别猫的例子输入一个图片，判别有猫或无猫，这就是一个简单的二分分类。为了将图片转换成一个特征向量，大家都知道图片由红绿蓝三个像素矩阵组成，假设这个矩阵是64*64的，我们将之重构（Python里面是用reshape这个方法），将三个矩阵合并为一个nx（nx即维度，nx=64*64*3）行1列的矩阵。（x,y）表示一个单独的样本，假设有m个训练集，那m个训练样本就是{（x(
福尔摩栋·2022-11-22 12:26

Machine Learning - Andrew Ng on Coursera (Week 2)

本篇文章将分享Coursera上AndrewNg的MachineLearning第二周的课程，主要内容有如下，详细内容可以参考文末附件：设置作业环境多变量线性回归参数的解析算法Octave简介设置作业环境因为本课程涉及到在Octave或者Matlab提交作业，所以这一节讲了在各种不同的系统中如何安装Octave或者Matlab。安装比较简单，就不在此赘述。需要注意的有如下几点，如有其他疑问可私信或
beihangzxm123·2022-11-22 12:24

Notes - Coursera MachineLearning by Andrew NG - Week1

Notes-CourseraMachineLearningbyAndrewNG-Week1Week1-2014/03/07-hphp欢迎赐教、讨论、转载，转载请注明原文地址~MachineLearningIntroductionGeneralSpeaking-lecture1,2ManyApplicationAmazaon,NetfilxrecommendsystemArthurSamuel,ma
dawen5335·2022-11-22 12:52

【Andrew Ng 深度学习】（五）序列模型

【AndrewNg深度学习】（五）序列模型（五）序列模型week1.循环序列模型1.1为什么选序列模型1.3循环神经网络模型1.4通过时间的反向传播1.5不同类型的RNN1.8带有神经网络的梯度消失1.9GRU单元1.10长短期记忆（LSTM）1.11双向循环神经网络1.12深层循环神经网络week2.自然语言处理与词嵌入week3.序列模型和注意力机制返回目录【2021-5-8】（五）序列模型w
你的一切都是星尘·2022-11-22 07:30

pytorch的DP和DDP

参考https://andrew.gibiansky.com/blog/machine-learning/baidu-allreduce/#https://zhuanlan.zhihu.com/p/343951042
qiumokucao·2022-11-22 03:28

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 3_Linear Algebra Review

Lecture3LinearAlgebraReview线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置3.1矩阵和向量参考视频:3-1-MatricesandVectors(9min).mkv3.2加法和标量乘法参考视频:3-2-AdditionandScalarMultiplication(7min).mkv3.3矩阵向量乘法参考
weixin_30569153·2022-11-20 23:11

机器学习学习笔记-多项式中的过拟合，泛化能力等

引用于机器学习中模型泛化能力和过拟合现象(overfitting)的矛盾、以及其主要缓解方法正则化技术原理初探-郑瀚Andrew.Hann-博客园(cnblogs.com)说在前面的一点东西经验风险最小化最优模型结构风险最小化
Jc随便学学·2022-11-20 17:09

第四章案例研究--------------------- 基于业务驱动的企业安全架构(翻译，原作者John Sherwood ；Andrew Clark； David Lynas)---仅学习使用

第4章：案例研究本书的目的是提供一个高度实用的指南，尽可能将作品与读者的现实生活环境和经历联系起来。因此，它借鉴了尽可能多的案例研究。一些案例研究是一次性的小事，通常来自作者在许多不同行业领域遇到的真实例子。然而，大部分案例研究材料已合并为一个虚构的案例研究：星际银行和金融服务公司(IBFS)。在本章中，您将了解用于在许多其他章节中提供示例的IBFS案例研究。4.1星际银行和金融服务公司这里描述了
LYH_Helen·2022-11-20 15:36

YOLOV5中注意力函数的添加

的博客-CSDN博客_yolov5注意力机制【YOLOV5-5.x源码解读】common.py_满船清梦压星河HK的博客-CSDN博客CoordAttention/coordatt.pyatmain·Andrew-Qibin
江小白jlj·2022-11-20 00:58

[StudyNote]Neural Networks&Deep Learning--Andrew Ng【待续】

文章目录week11.1StandardNNweek22.1符号简介2.2LogisticRegression-----浅层模型2.2.1lossfunction-----衡量单个训练集上表现2.2.2costfunction-----衡量全体训练集上表现2.2.3P2.3DerivativeswithaComputationGraph2.4gradientdescentalgorithm(梯度下
周树皮不皮·2022-11-19 14:35

COURSERA- 吴恩达机器学习 Machine Learning by Andrew NG

COURSERA-MachineLearningbyAndrewNGHerearemyon-goingstudynotesfor“MachineLearningbyAndrewNG”onCoursera.Ididn’tpayforthecourseyet,cozthereisnostudy-freeschedulefor吴恩达机器学习课程intheCourserastudent’saccount.
youknowwho3_3·2022-11-19 02:28

CVPR 2021 | Coordinate Attention for Efficient Mobile Network Design注意力机制再下一城（Keras实现）

CoordinateAttentionforEfficientMobileNetworkDesignpaper:https://arxiv.org/pdf/2103.02907.pdfcode:https://github.com/Andrew-Qibin
xdhe1216·2022-11-08 19:57

CVPR2021|| Coordinate Attention注意力机制

Paper：https://arxiv.org/pdf/2103.02907.pdfGitHub：https://github.com/Andrew-Qibin/CoordAttention轻量，优秀，
Fly-Pluche·2022-11-08 19:25

【翻译】Coordinate Attention for Efficient Mobile Network Design

QibinHou,DaquanZhou,JiashiFeng论文：CoordinateAttentionforEfficientMobileNetworkDesign项目：https://github.com/Andrew-Qibin
异想天开的长颈鹿·2022-11-02 08:52

机器学习练习1-线性回归

本文基于Andrew_Ng的ML课程作业1-LinearRegressionwithonevariablewithgradientDescent:根据城市城市人口数量，预测开小吃店的利润导入库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3D
YukinoPon·2022-10-28 14:20

机器学习练习2-逻辑回归

本文基于Andrew_Ng的ML课程作业1-LogisticRegressionwithgradientDescent:根据申请学生两次测试的评分来决定他们是否被录取导入库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt
YukinoPon·2022-10-28 14:20

Machine Learning第三讲[Logistic回归] --（四）解决过拟合问题

内容来自Andrew老师课程MachineLearning的第三章内容的SolvingtheProblemofOverfitting部分。
nana-li·2022-10-11 07:11

吴恩达深度学习学习笔记——C2W3——超参数调试、Batch正则化和程序框架——作业——Tensorflow入门及使用Tensorflow构建第一个神经网络

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master
预见未来to50·2022-09-26 11:18

《程序员修炼之道 - 从小工到专家》吐血解读

Andrew还是敏捷联盟（AgileAlliance）的创始人。David则是著名的DRY(Don’tRepeaseYourself)一词的发明者。
博文视点·2022-09-14 11:21

吴恩达深度学习学习笔记——C1W2——神经网络基础——作业2——用神经网络的思路实现Logistic回归

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:http://localhost:8888/tree/Andrew-Ng-Deep-Learning-notes/assignments/C1W2
预见未来to50·2022-08-13 09:12

【Andrew Ng机器学习】单变量线性回归-代价函数

课程：吴恩达机器学习代价函数弄清楚如何把最有可能的直线与我们的数据相拟合模型参数我们把0和1称为模型参数而我们要做的就是选择这两个参数值0和1不同的模型参数对应不同的h代价函数的引出在线性回归中，我们有一个训练集如下图：我们要做的就是得出0和1，来让假设函数表示直线，尽量的与这些数据点更好的拟合如何选择模型参数使h与数据点更好的拟合？idea：选择0和1，使得h(x)，也就是输入x时我们预测的值，
jenye_·2022-08-10 11:50
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他