Lecture 第30页

李宏毅机器学习笔记5：CNN卷积神经网络

Lecture7:CNN目录一、CNN的引入二、CNN的层次结构三、CNN的小Demo加深对CNN的理解四、CNN的特点在学习

控球强迫症·2019-04-10 19:00

相机成像原理

参考资料:https://blog.csdn.net/liuqinglong110/article/details/42076895http://www.cse.psu.edu/~rtc12/CSE486/lecture12

WYXHAHAHA123·2019-04-10 19:53

2019-04-09斯京日记（流水账）

/(ㄒoㄒ)/~~图片发自App图片发自App下午同一个地方，听了IgNobel（中文通常翻译为“搞笑诺贝尔”）的一个lecture，很有意思。ResearchmakepeopleLAUGHand

圈儿_233·2019-04-10 19:16

ML Lecture 1: Regression - Case Study

MLLecture1:Regression-CaseStudyYoutubeBilibili课件回归的基本特征：输出一个数值之前提到，机器学习要做的事情就是寻找函数，而回归要做的事情就是使我们所找的那个函数，其输出为数值型。或者说，如果我们找到的函数，它的输出是一个数值，这类型的任务就称为回归。举几个关于回归的例子：股票市场的预测：找一个函数，其输入是过去股票市场的变动情况，输出是明天道琼工业指数

Joyliness·2019-04-04 00:51

从CV基础到深度学习实战

-1-1.html│MasteringOpenCVwithPracticalComputerVisionProjecmp4_full.pdf│机器视觉.pdf│├─lesson1图像处理基础│CV2_lecture1

qq_38472465·2019-04-01 10:18

ML Lecture 0：Introduction of Machine Learning / Why we need to learn machine learning?

MLLecture0-1：IntroductionofMachineLearningYoutubeBilibili课件机器学习简介（IntroductionofML）机器学习与人工智慧之间的关系：人工智慧是想要达成的目标，机器学习（即让机器具有学习的能力）是想要达成目标的手段深度学习与机器学习之间的关系：深度学习是机器学习的其中一种方法生物的行为取决于两件事：先天本能与后天学习。对机器而言也是一样

Joyliness·2019-03-31 20:32

李宏毅机器学习笔记4：Brief Introduction of Deep Learning、Backpropagation(后向传播算法)

Lecture6:BriefIntroductionofDeepLearning本节课主要围绕DeepLearing三步骤：（

控球强迫症·2019-03-29 09:00

11.机器学习系统设计（system design)

justinwei·2019-03-26 14:12

三 Attack Lab

上完CMUCSAPP的8LECTURE之后，就可以做了。csapp课程观看地址：https://search.bilibili.com/all?

西部小笼包·2019-03-23 23:00

二 Bomb Lab

上完CMUCSAPP的5-6LECTURE之后，就可以做了。csapp课程观看地址：https://search.bilibili.com/all?

西部小笼包·2019-03-17 22:23

深入理解JVM-java字节码文件结构剖析（1）

javap-verboseMyTest1警告:二进制文件MyTest1包含jvm.bytecode.MyTest1Classfile/Users/luozhiyun/Documents/work/jvm_lecture

luozhiyun·2019-03-17 13:00

RCNN Fast RCNN到Faster RCNN

然后发现CS231n2016中lecture8就有对于从RCNNFastRCNN到FasterRCNN的详细讲解。一、R-CNN下面给出训练R-CNN的过程。

WYXHAHAHA123·2019-03-11 17:37

GAN学习笔记-李宏毅：GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN

李宏毅老师讲解的GANLecture7(2018):InfoGAN,VAE-GAN,BiGAN问题：inputfeature对output影响不明确这件事；本来假设不同的特性在latentspace上的分布是有某种规律性的，但实际上也许它的分布是非常不规则的；因而inputfeature对output影响不明确InfoGANc是有意义的维度，z为随机的；因为某些维度被划分到c中，所以generat

ahigan·2019-03-06 16:30

Reading lecture, leisure reading, Pay day... 2019-02-28

图片发自AppTonight，wereadthefollowingbooktogetherinourteachingresearchroomonthesixthfloor.It'sabookaboutethics.MrChen(谌洪果）readexplaintousindetails.Ilearntalotfromthelecture.HegivesusareadinglectureeveryTh

安琪儿的空间·2019-03-02 21:23

MIT 6.006 Lecture3 插入排序和归并排序

MIT6.006Lecture3插入排序和归并排序这是排序部分的第一讲，我们会先介绍一下排序问题及其应用，然后介绍插入排序和归并排序两种算法，并对比。最后用Python实现这两种算法。

天诩·2019-02-27 20:34

李宏毅ML lecture-10 CNN

李宏毅MLlecture-10CNNConvolutionstridepaddingMaxPoolingflattenFullyConnectedFeedforwardCNN的直观理解相关论文理解CNN深度强化网络CVAlexNetR-CNNNLP语言识别情感分析其他论文CNN比DNN更为简单CNN过滤器,目的就是寻找一种pattern,这种pattern远远小于整个图片的大小，同时是和图片中大小

Arron_hou·2019-02-21 00:55

CH1 search 难点

ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos

混沌游灵·2019-02-20 17:06

comp9318-lecture1-19t1:Data Mining and Data Warehousing

keyword:KDD,DataCleaning,DataIntegration,DataSelection.DataTransformation,DataMining,PatternAnalysis,DataWarehouse,frequencypattern,concept'interesting'indataminingLectureGoal:这门课的内容王伟几学期都没改过slide了，直接

Wallace_QIAN·2019-02-18 15:27

李宏毅《机器学习》学习计划

week1第1节：引言(Introduction)课件：lecture1笔记：lecture1-note1视频：1.1欢迎:WelcometoMachineLearning1.2为什么要学习机器学习？

Spareribs·2019-02-15 23:01

机器学习二

一、机器学习类库资料(ScipyLectureNotes)参考链接:https://wizardforcel.gitbooks.io/scipy-lecture-notes/content/0.html

小白的希望·2019-02-14 17:27

Lecture 7 训练神经网络（下）

上节课介绍了激活函数选择折叶函数，sigmoid和tanh都有饱和的问题；权重初始化不能太小也不能太大，最好使用Xavier初始化；数据预处理使用减去均值和归一化，线性分类中这两个操作会使分界线不那么敏感，即使稍微转动也可以，神经网络中也对权重的轻微改变没那么敏感，易于优化；也可以使用批量归一化，将输入数据变成单位高斯分布，或者缩放平移；学习过程跟踪损失、准确率；超参数体调优范围由粗到细，迭代次数

HRain·2019-02-13 11:09

100天持续行动—Day59

2.1Lecture4是关于排列组合的内容，先跳过，之后如果用到，再回来听。今天听完了Lecture5.

Richard_DL·2019-02-06 13:44

lecture1-4：通用swap函数

课程地址前4个lecture主要就讲了指针，不同类型之间转换时的内存是如何变化的。下面将通过描述通用swap函数的执行过程记录下我学习课程的收获。

敢想敢做_·2019-01-30 00:23

lecture1-4：通用swap函数

课程地址前4个lecture主要就讲了指针，不同类型之间转换时的内存是如何变化的。下面将通过描述通用swap函数的执行过程记录下我学习课程的收获。

敢想敢做_·2019-01-30 00:23

Lecture 4 介绍神经网络

我们已知梯度计算有数值法和解析式法，当损失函数非常复杂时我们可能无法直接写出损失函数L对参数W的梯度计算表达式，所以可以引入中间节点，当前节点的梯度计算之和当前节点有关。例如下图是之前的损失函数计算图，卷积神经网络会更复杂。实践为了进行参数更新，通常也只计算参数W,b的梯度。然而的梯度有时仍然是有用的：比如将神经网络所做的事情可视化便于直观理解的时候，就能用上。（作业中会要求写这段代码。）图1损失

HRain·2019-01-24 13:10

MIT_Linear_Algebra_lec15：投影到子空间

Lecture15:ProjectionontoSubspacesMIT公开课：GilbertStrang《线性代数》课程笔记（汇总投影为什么投影当Ax=bAx=bAx=b无解时，而Ax=pAx=pAx

qq_33892106·2019-01-19 19:52

李宏毅AI课程学习 - ML Lecture 0-1: Introduction of Machine Learning

coconutyao·2019-01-18 12:02

CS224D 课程学习笔记 L06

Lecture6.NeuralTipsandTricksLecture6主要介绍了深度学习应用的一些小技巧，例如多任务训练、梯度检测、正则化、多种激活函数、参数初始化、学习速率等。

蜡笔大龙猫·2019-01-12 22:03

CS224D 课程学习笔记 L05

Lecture5.NeuralNetworks这节课我们将要学习神经网络。

蜡笔大龙猫·2019-01-06 17:49

斯坦福nlp学习笔记（一）

针对nlp的问题，对起课程进行翻译：cs224n-2017-lecture11、人类的语言有哪些特点呢？

chenmingwei000·2018-12-25 18:02

CS224D 课程学习笔记 L04

Lecture4.WordWindowClassification我们在上节课快结束的时候提到了窗口分类，Lecture3这节课更详细的介绍了常用分类的背景、窗口分类、更新词向量以实现分类，交叉熵推导经验等

蜡笔大龙猫·2018-12-24 19:18

Lecture 1-10

最近这周帮助组内成员完成一些高重复性基本湿实验、下地收集果实，以及自己的一小部分分子生物学实验外，花了些时间进行了BiostarHandbook课程的部分学习，同时，今天跟课题组长沟通了300份核心种质资源的重测序打算，明年准备开展这项工作，以及后面的数据分析。尽管没有完全看完，但就目前学习到SNPcalling这个阶段来说，这本书写的还是非常有实操性，适合于新手拿来进行找感觉。下面就本书1-10

杨亮_SAAS·2018-12-23 13:06

CS231n Lecture 11：图像分割与检测（各种R-CNN, YOLO, SSD）

CS231nLecture11：图像分割与检测图像的分割和检测的相关任务有不同的粒度，我们首先明确一下有关概念：语义分割（SemanticSegmentation）：将每个像素标注为某一类别，是一个分类问题。该任务不区分实例，即同一类别的不同实例都标为同一颜色（如下图中的两头牛）；单目标检测：只识别图像中的一个目标，并标出boundingbox，此任务可以理解为分类+定位；目标检测（ObjectD

gdymind·2018-12-20 21:34

Lecture 2 图像分类

注意：课程需要使用大量Python编程并使用Numpy完成矩阵运算，所以学习本lecture的同时需要学习Python和Numpy。

HRain·2018-12-20 12:08

2018-12-17高效率慢生活践行第2天【效率】

晨间检视早起突破100天昨晚就寝0：10今早晨起06:15昨日午休：20min时间管理的原则是用80%的时间和精力完成20%的关键任务：)完成100天目标【今日3things】1.理解和费曼《管理会计基础》Lecture1

雪dou国·2018-12-17 18:10

李宏毅 GAN lecture(2018)笔记_P4

1.BasicThoeryofGANwhatisGAN'spurpose GAN要做的事情就是找出这个像人脸的datadistributionMaximumLikelihoodEstimation 调整变量θ使PG(xi;θ)这个distribution产生特定data的几率(totallikelyhood)越大越好,而这些data是来自于样本distributionPdata(x)Minim

conson_wm·2018-12-15 14:53

斯坦福cs231n计算机视觉——RNN ， LSTM

Week912/03-12/09第1部分学习任务：（1）掌握RNN和LSTM的基本知识slides:lecture10（https://github.com/sharedeeply/cs231n-camp

Sousky·2018-12-05 10:12

David Silver【Lecture 10】Classic Games

一、Games的特点规则简单、概念深刻；千百年的历史；有意义的IQ训练；人工智能的体现；现实世界的封装展现；游戏具有趣味性。二、传统游戏的种类跳棋象棋黑白棋西洋双陆棋英语文字图版游戏围棋扑克①完全信息游戏（游戏能被完全观测）：跳棋、象棋、黑白棋、西洋双陆棋、围棋②不完全信息游戏（部分被观测）：英语文字图版游戏、扑克三、游戏中的最优策略（纳什均衡）第个玩家的最优策略，其他的所有玩家策略为单个智能体强

我对代码一无所知·2018-12-02 20:49

12.2雅思口语大纲

一.事物类实际物品toy/furniture/cellphone/…书报杂志book/magazine/letter电视节目movie/lecture/song/…1.Describeanimportantplantinyourcountry①whatitisDirectanswer

落雨的黄昏·2018-12-02 18:45

python快速学习系列（1）：初识Linux和python

废话不多说，干活奉上Lecture1：初识Linux和python1.shell，bash，Terminal（终端仿真程序），Consoleshell是一个程序，接受从键盘输入的命令，然后把命令行传递给

无名wxd·2018-12-01 09:40

朴素贝叶斯进行新闻主题分类，有代码和数据，可以跑通

folder_path='/Users/apple/Documents/七月在线/NLP/第2课/Lecture_2/Naive-Bayes-Text-Classifier/Database/SogouC

湾区人工智能·2018-11-24 18:04

机器学习与深度学习系列连载：第二部分深度学习（二十二) 机器记忆 Machine Memory

Ref:http://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2015_2/Lecture/Attain(v3).ecm.m

人工智能插班生·2018-11-15 22:32

机器学习基石 Lecture13: Hazard of Overfitting

机器学习基石Lecture13:HazardofOverfittingWhatisOverfitting?

无所知·2018-11-13 22:56

CS-231N-斯坦福李飞飞机器视觉课（Cydiachen版笔记+感悟）

CS231N斯坦福李飞飞机器视觉课这个笔记的话，因为本身的课件之间有一些耦合性，但是关联性也不是很大，这里的话，因为我是在雷锋网上看的整个视频课程，感谢字幕组有整理出来每一个Lecture的关键词，这里的话我的笔记组织的话

Cydiachen·2018-11-08 00:00

Emergence of Bulk Physics in AdS/CFT

对D.Harlow大神的初识还是看他之前的informationparadox的lecture，感觉角度很新颖，惊为天人。

悟空饺子·2018-10-29 00:26

【林轩田】机器学习基石（一）

关注了一个博主，因为他写的太好了，简洁儿深刻结构清晰，从中学习很多，大部分内容从中摘抄，学习内容总结方式逻辑结构，感激博主分享https://blog.csdn.net/sjz_hahalala479Lecture1TheLearningProblem1.1WhatisMachineLearning

DIDADIDAJING·2018-10-27 15:28

Lecture_backpropagation

简介本节将帮助读者对反向传播形成直观而专业的理解。反向传播是利用链式法则递归计算表达式的梯度的方法。简单表达式和理解梯度函数关于每个变量的导数指明了整个表达式对于该变量的敏感程度。复合表达式，链式法则，反向传播链式法则指出将这些梯度表达式链接起来的正确方式是相乘，比如。在实际操作中，这只是简单地将两个梯度数值相乘.上图的真实值计算线路展示了计算的视觉化过程。前向传播从输入计算到输出（绿色），反向传

SnorlaxSE·2018-10-22 13:54

Lecture_linear classification

课程链接Linearclassification:SupportVectorMachine,Softmax线性分类笔记(上)/线性分类笔记(中)/线性分类笔记(下)线性分类器图像空间的示意图,其中每个图像是一个点,且有3个分类器.以红色的汽车分类器为例，红线表示空间中汽车分类分数为0的点的集合，红色的箭头表示分值上升的方向。所有红线右边的点的分数值均为正，且线性升高。红线左边的点分值为负，且线性降

SnorlaxSE·2018-10-20 17:08

2018-10-13

Lecture4,SystematicerrorsandsamplingAdditionalstrategiesformitigatingsystematicerrorsNullmethod:e.g.currentbridge.Theindicatingdevicedoesnotneedtobelinearorevencalibrated.Watchoutforchangesintime

carpediemmlf·2018-10-18 20:26

CS231n lecture 9：各大经典网络 AlexNet/VGG/GoogleNet/ResNet（上）

本文翻译总结自CS231nLecture9。本篇将深入介绍当前的应用和研究工作中最火的几个CNN网络架构——AlexNet、VGGNet、GoogleNet和ResNet，它们都在ImageNet分类任务中有很好的表现。另外，本篇也会粗略介绍一些其他的架构。LeNet-5回顾我们先来回顾一下最基本的LeNet，它可以说是首个效果比较好的CNN。它使用了5x5的卷积核，stride为1。池化层卷积核

gdymind·2018-10-13 22:03

推荐频道

Lecture

李宏毅机器学习笔记5：CNN卷积神经网络

相机成像原理

2019-04-09斯京日记（流水账）

ML Lecture 1: Regression - Case Study

从CV基础到深度学习实战

ML Lecture 0：Introduction of Machine Learning / Why we need to learn machine learning?

李宏毅机器学习笔记4：Brief Introduction of Deep Learning、Backpropagation(后向传播算法)

11.机器学习系统设计（system design)

三 Attack Lab

二 Bomb Lab

深入理解JVM-java字节码文件结构剖析（1）

RCNN Fast RCNN到Faster RCNN

GAN学习笔记-李宏毅：GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN

Reading lecture, leisure reading, Pay day... 2019-02-28

MIT 6.006 Lecture3 插入排序和归并排序

李宏毅ML lecture-10 CNN

CH1 search 难点

comp9318-lecture1-19t1:Data Mining and Data Warehousing

李宏毅《机器学习》学习计划

机器学习二

Lecture 7 训练神经网络（下）

100天持续行动—Day59

lecture1-4：通用swap函数

lecture1-4：通用swap函数

Lecture 4 介绍神经网络

MIT_Linear_Algebra_lec15：投影到子空间

李宏毅AI课程学习 - ML Lecture 0-1: Introduction of Machine Learning

CS224D 课程学习笔记 L06

CS224D 课程学习笔记 L05

斯坦福nlp学习笔记（一）

CS224D 课程学习笔记 L04

Lecture 1-10

CS231n Lecture 11：图像分割与检测（各种R-CNN, YOLO, SSD）

Lecture 2 图像分类

2018-12-17高效率慢生活践行第2天【效率】

李宏毅 GAN lecture(2018)笔记_P4

斯坦福cs231n计算机视觉——RNN ， LSTM

David Silver【Lecture 10】Classic Games

12.2雅思口语大纲

python快速学习系列（1）：初识Linux和python

朴素贝叶斯进行新闻主题分类，有代码和数据，可以跑通

机器学习与深度学习系列连载： 第二部分 深度学习（二十二) 机器记忆 Machine Memory

机器学习基石 Lecture13: Hazard of Overfitting

CS-231N-斯坦福李飞飞机器视觉课（Cydiachen版笔记+感悟）

Emergence of Bulk Physics in AdS/CFT

【林轩田】机器学习基石（一）

Lecture_backpropagation

Lecture_linear classification

2018-10-13

CS231n lecture 9：各大经典网络 AlexNet/VGG/GoogleNet/ResNet（上）

机器学习与深度学习系列连载：第二部分深度学习（二十二) 机器记忆 Machine Memory