Understanding 第13页

2018-04-02视听说Understanding the problem_solution pattern

从本篇文章／音频／视频中我学到的最重要的概念在人生中所遇的各种各样的事情中，不过只有三步而已罢了，一发现问题，二解决问题，三评估问题。做好它们，你会掌控自己的人生了。2，我在本片文章／音频／视频中学到的怦然心动的单词fragilea.脆弱的awesomea.棒极了obstaclea.障碍的3，在本片文章／音频／视频中我最喜欢的一句话Trytoidentifytheproblem,thesoluti

刘梦园数学4班·2020-08-19 04:43

MPC自学资料总结

1.书籍：《无人驾驶车辆模型预测控制》2.视频：https://ww2.mathworks.cn/videos/understanding-model-predictive-control-part-1

tingfenghanlei·2020-08-19 04:35

理解ES6中的Symbol （understanding es6 第5章）

英文电子书点此阅读《understandinges6》目录symbol和symbol属性创建symbols使用Symbols共享SymbolsSymbolCoercion类型强制转换检索对象的symbol用well-knownSymbols暴露内部操作(似乎没什么用)summarysymbol和symbol属性一开始出于对象属性的私有性的考虑，在基础数据类型中添加了symbol（string,nu

十方魔·2020-08-19 02:26

Understanding and Modeling of WiFi Signal Based Human Activity Recognition论文阅读笔记

UnderstandingandModelingofWiFiSignalBasedHumanActivityRecognitionWeiWangAlexX.LiuyzMuhammadShahzadzKangLingSangluLuStateKeyLaboratoryforNovelSoftwareTechnology,NanjingUniversity,ChinaDept.ofComputerSc

Maybemust·2020-08-19 01:36

My understanding of friendship

Wemeetdifferentkindsofpeopleineveryperiodofourlife.Somewillbefriends,somewilljustbenoddingacquaintances,otherswillbeclosedfriends,andonlyafeworevenmorelesswillbetruefriendsduringourwholelife.Theseacqu

我的天空是一片海·2020-08-19 00:17

Understanding ES6学习笔记

Chapter1let:1.不能进行变量提升，所以变量一定要在声明后使用。2.只在let所在的块内起作用。3.let不允许在相同作用域内，重复声明同一个变量。在不同的作用域则可以。4.ES5只有全局作用域和函数作用域，可能造成一些问题，如内层变量覆盖外层变量、for循环用来计数的循环变量泄露为全局变量等。let实际上为JavaScript新增了块级作用域。const:1.一经定义，不得改变，也不能

deeerforest·2020-08-18 20:32

understanding ES6 学习笔记1 块级作用域 let 与const

一.let与constlet、const与var的区别1.首先的一点，也是最重要的，let与const是块级作用域，而var是函数作用域。详解:你在一个大括号中定义了let与const{}，在函数外是无法访问的,而var只有定义在函数里面，外部才无法访问。2.let与const没有变量提示，意味着，你无法在声明他们之前去使用他们。详解:var:在js中，如果你用var声明了一个变量，在js执行时会

非忆·2020-08-18 18:55

Understanding Convolutional Neural Networks for NLP

WhenwehearaboutConvolutionalNeuralNetwork(CNNs),wetypicallythinkofComputerVision.CNNswereresponsibleformajorbreakthroughsinImageClassificationandarethecoreofmostComputerVisionsystemstoday,fromFacebook

zldeng_scir·2020-08-18 18:09

Visualizing and Understanding Convolutional Networks翻译总结

Zfnet论文：《VisualizingandUnderstandingConvolutionalNetworks》1.概述这篇论文主要的贡献是将卷及神经网络的隐藏层的特征进行可视化，后面通过可视化的展示来分析如何构建更好的网络结构。最后还描述了该网络中的每层对整体分类性能的贡献，还对了该模型在其他数据集上取得的成绩：仅仅是对softmax分类器重新训练，该模型击败了Caltech-101和Cal

穿越5极限·2020-08-18 18:20

Visualizing and Understanding Convolutional Networks论文实现

文章目录核心代码实现运行结果本文对预先训练好的vgg16model,进行了反relu、反池化、反卷积，从而可视化vgg16的卷积过程。项目运行环境：win10+python2.7+cpupython库：numpy+chainer+matplotlib关于对论文的理解可参考：https://www.cnblogs.com/hellcat/p/7149348.html核心代码实现#n_activati

「已注销」·2020-08-18 15:17

论文阅读-Visualizing and Understanding Convolutional Networks

作者:MatthewD.Zeiler来源:ECCV2014评价:ZF-Net,反卷积,卷积层可视化论文链接:PDF1ProblemThereisnoclearunderstandingofwhylargeconvolutionnetworkmodelsworksowell.2TheproposedmethodAnovelwaytovisualizetheacitivitywithinthemode

LuffysMan·2020-08-18 14:21

“看懂”卷积神经网(Visualizing and Understanding Convolutional Networks)

在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都是碰运气。为此，卷积网发明者YannLeCun的得意门生MatthewZeiler在2013年专门写了一篇论文，阐述了如何用反卷积网络可视化整个卷积网络，并进行分析和调优。由于课题研究需要使用卷积网，本人凭自己的理解将该文翻译成了中文，内容没有严格对齐原文，水平有限

kklots·2020-08-18 13:20

论文学习笔记：CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes

CSRNet是2018年提出来的人群计数模型，其论文发表于CVPR会议。论文链接：CSRNetAbstract摘要我们提出了一个拥挤场景识别网络CSRNet，它提供了一种数据驱动的深度学习方法，可以理解高度拥挤的场景，进行精确的计数估计，并提供高质量的密度图。我们提出的CSRNet由两个主要部分组成：一个是作为二维特征提取的前端卷积神经网络（即模型中的前端网络frontend），另一个是用于后端的

绿柳山庄赵公子·2020-08-18 11:28

计算无线信号的传输距离

【译自https://www.electronicdesign.com/communications/understanding-wireless-range-calculations，水平有限，望指正

TaiSung·2020-08-18 08:08

3D 论文阅读 PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding简记

PointContrast:UnsupervisedPre-trainingfor3DPointCloudUnderstanding摘要PointContrastPre-training实验结果摘要简单记一下CharlesR.Qi的新作PointContrast:UnsupervisedPre-trainingfor3DPointCloudUnderstanding。点云的无监督的对比学习作为预训

疯子_Zhang·2020-08-18 03:09

理解本真的REST架构风格

转载于：http://www.infoq.com/cn/articles/understanding-restful-style/本文是“深入探索REST”专栏系列深度内容中的第二篇，它将带您领略REST

亚瑟-灰太狼·2020-08-17 23:47

【点云识别】PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding (ECCV 2020)

PointContrast:UnsupervisedPre-trainingfor3DPointCloudUnderstanding本文介绍一篇ECCV2020里面关于点云无监督预训练的文章。论文目前还没有开源代码1.问题点云无监督预训练2.思想点云的预训练领域处于比较空白的状态，本文focuson高级别的场景理解任务，提出了一种无监督的PointContrast与训练方法。文章主体依赖于FCGF

orientliu96·2020-08-17 18:39

Deep learning学习笔记(2)：Visualizing and Understanding Convolutional Networks(ZF-net)

referencelink:http://blog.csdn.net/whiteinblue/article/details/43312059本文是MatthewD.Zeiler和RobFergus于（纽约大学）13年撰写的论文，主要通过Deconvnet（反卷积）来可视化卷积网络，来理解卷积网络，并调整卷积网络；本文通过Deconvnet技术，可视化Alex-net，并指出了Alex-net的一

Alanyannick·2020-08-17 15:21

在keras 上实践,通过keras例子来理解lastm循环神经网络

本文是对这篇博文的翻译和实践：http://machinelearningmastery.com/understanding-stateful-lstm-recurrent-neural-networks-python-keras

ma416539432·2020-08-17 13:08

[ZFNet论文阅读] Visualizing and Understanding Convolutional Networks

论文地址：VisualizingandUnderstandingConvolutionalNetworks概述1.提出通过可视化featuremap的方法来“诊断”网络，并提出比Alexnet更好的网络结构。2.具体的可视化方法是用不参与训练的反卷积来将featuremap还原到原图大小，如果是maxpooling操作，还需要在前馈时记录最大值的位置，unpooling的时候还原到最大值上。3.通

lengyuenanfeng·2020-08-17 13:17

Understanding Rate Control Modes (x264, x265, vpx)

原文地址：http://slhck.info/video/2017/03/01/rate-control.htmlWhatis“ratecontrol”?It’swhatavideoencoderdoeswhenitdecideshowmanybitstospendforagivenframe.Thegoalof(lossy)videoencodingistosaveasmanybitsaspos

xxq123321·2020-08-17 04:09

ICCV2019《TSM: Temporal Shift Module for Efficient Video Understanding》编译记录

ICCV2019《TSM:TemporalShiftModuleforEfficientVideoUnderstanding》食用指南0最近在研究行为识别方面，发现ICCV2019的这篇文章写的非常好，正好对研究非常有帮助，于是想先编译一下文章提供的代码，编译过程中也遇到了很多坑，记录下来。首先，贴上这篇文章的链接文章code：代码1我是在服务器跑的，我的环境是：Ubuntu16.04.3pyth

峡谷狂输·2020-08-17 01:19

论文笔记-Towards Scene Understanding-Unsupervised Monocular Depth Estimation

论文信息标题：TowardsSceneUnderstanding:UnsupervisedMonocularDepthEstimationwithSemantic-awareRepresentation作者：Po-YiChen,AlexanderH.Liu,Yen-ChengLiu,Yu-ChiangFrankWang机构：NationalTaiwanUniversity,GeorgiaInsti

kingsleyluoxin·2020-08-17 01:06

理解神经网络：从神经元到RNN、CNN、深度学习

andDeepLearning作者|vibhornigam翻译|gezp123、Dylan的琴校对|邓普斯•杰弗审核|酱番梨整理|立鱼王原文链接：https://towardsdatascience.com/understanding-neural-network

weixin_33871366·2020-08-16 21:48

Understanding black-box predictions via influence functions_1703.04730_icml_best论文理解

作者：tonygsw论文地址：https://arxiv.org/pdf/1703.04730.pdf论文对应的github：https://github.com/kohpangwei/influence-release1.背景：额。。之前去某学校夏令营中听一个老师说现在的机器学习中，用到的CNN，RNN啥的神经网络模型最大的问题就是可解释性差，对与绝大数的开发者来说：基本就是一个黑盒，你按照大致

tonygsw·2020-08-16 15:27

Understanding Weak References

UnderstandingWeakReferencesPostedbyenicholasonMay4,2006at5:06PMPDTSometimeagoIwasinterviewingcandidatesforaSeniorJavaEngineerposition.AmongthemanyquestionsIaskedwas"Whatcanyoutellmeaboutweakreferences

lvwenyan2012·2020-08-16 13:42

Understanding Almanac and Ephemeris Data

UnderstandingAlmanacandEphemerisDatawrittenby:KristinaDems•editedby:RhondaCallow•updated:6/10/2010AGPSreceiverrequiresalmanacandephemerisdatatoprovidethenecessarylocationinformationrequestedbyauser.Th

laopolina83·2020-08-16 13:27

Understanding Weak References（我见过的对Java引用解释最好的文章）

UnderstandingWeakReferencesPostedbyenicholasonMay4,2006at5:06PMPDTSometimeagoIwasinterviewingcandidatesforaSeniorJavaEngineerposition.AmongthemanyquestionsIaskedwas"Whatcanyoutellmeaboutweakreferences

utf7·2020-08-16 12:07

（2017ICML Bestpaper）Understanding Black-box Predictions via Influence Functions 笔记

转载地址：https://www.leiphone.com/news/201708/Hbjv7EcuXTYQlLk2.html动机下面我将讲述如何用一种被称为影响函数的统计工具来研究神经网络的预测问题。在过去几年，机器学习在许多领域中的模型做出的预测准确度越来越高，但是这些模型本身却也变得越来越复杂。然而一个经常会被问到的问题——系统为什么会做出这样的预测？——却难以回答。例如我们通过图中左侧的训

This_is_alva·2020-08-16 12:21

论文浅尝 | Understanding Black-box Predictions via Influence Func

Cite:KohPW,LiangP.Understandingblack-boxpredictionsviainfluencefunctions[J].arXivpreprintarXiv:1703.04730,2017.链接：https://arxiv.org/pdf/1703.04730GitHub项目地址：http://bit.ly/gt-influence本文使用影响函数(Influenc

开放知识图谱·2020-08-16 11:23

Gaussian Process understanding

DefinitionKernel高斯过程的性质与其协方差函数有密切联系，在构造高斯过程时，一些特定形式的协方差函数被称为核函数。核函数的选择要求满足Mercer定理（Mercer’stheorem），即核函数在样本空间内的任意格拉姆矩阵（Grammatrix）为半正定矩阵（semi-positivedefinite。这里对高斯过程常见的核函数类型进行总结。径向基核：κ(r)=exp⁡(−r22l2

bald·2020-08-16 11:21

ICML2017 Best Paper：Understanding Black-box Predictions via Influence Functions

1.前言众所周知，现在很多流行的机器学习模型对于我们来说就是一个黑盒子，尤其对于深度神经网络来说，网络的解释性一直是学者们很头疼的问题。一种对机器学习模型进行解释的方法是尝试找到训练数据中对结果影响最大的那部分数据点。作者应用了稳健统计学概念中的InfluenceFunction，来获得损失函数关于单个数据点的变化。另外，针对该方法计算量大的问题，作者提出了高效的近似算法；针对该方法对于函数可导性

yt4766269·2020-08-16 11:59

Understanding The Minimax Algorithm-理解极小极大搜索算法

UnderstandingTheMinimaxAlgorithm-理解极小极大搜索算法Oneofthemostinterestingavenuesofcomputerscienceisthatofprogrammingacomputertoplayagameagainstahumanopponent.Examplesabound,withthemostfamousthatofprogramming

weixin_30472035·2020-08-16 09:46

【转载】理解C语言中的关键字extern

(原文：http://www.geeksforgeeks.org/understanding-extern-keyword-in-c/) 我确定这篇文章对c语言的初学者会有很大的帮助，因为这

weixin_30426065·2020-08-16 09:42

BasicLSTMCell中num_units参数解释

前言关于LSTM原理：http://colah.github.io/posts/2015-08-Understanding-LSTMs/关于LSTM原理（译文）：https://blog.csdn.net

notHeadache·2020-08-16 07:44

Understanding and Configuring the ip unnumbered Command

DocumentID:13786IntroductionThisdocumentexplainstheconceptofIPunnumbered,andprovidesseveralconfigurationexamplesforreference.TheipunnumberedconfigurationcommandallowsyoutoenableIPprocessingonaserialin

wk1791197243·2020-08-16 03:41

Understanding LSTM Networks（LSTM的网络结构）

RecurrentNeuralNetworks人类不是每时每刻都从头开始思考的。当你读这篇文章的时候，你理解每个单词是基于你对以前单词的理解。你不会把所有的东西都扔掉，然后从头开始思考。你的思想有毅力。传统的神经网络无法做到这一点，这似乎是一个主要的缺点。例如，假设你想对电影中每一点发生的事件进行分类。目前尚不清楚传统的神经网络如何利用其对电影中先前事件的推理来告知后来的事件。递归神经网络解决了这

哗啦呼啦嘿·2020-08-16 03:45

Understanding ES5, ES2015 and TypeScript

WhatisthedifferencebetweenES5,ES2015(formerlyknownasES6),andTypeScript?Whichshouldwelearnanduse?First,let’screateafoundationforourdiscussionforeachofthese.TypeScriptisasupersetofJavaScript.ES2015isthe

HEYLeonL·2020-08-15 19:31

利用RNN做脑电信号的分类（一）

2017-07-04RNN首先了解了RNN，有很多的教程，这里大概贴几个网址https://www.yunaitong.cn/understanding-lstm-networks.htmlhttp:/

jl0624·2020-08-15 11:14

弄明白python reduce 函数

作者:PandaFang出处:http://www.cnblogs.com/lonkiss/p/understanding-python-reduce-function.html原创文章，转载请注明作者和出处

diaoshandun0123·2020-08-15 07:51

通过写Babel插件理解抽象语法树（翻译）

原文：https://www.sitepoint.com/understanding-asts-building-babel-plugin/每天很多JavaScript开发者使用了浏览器提供商还没有实现的语言版本

weixin_33953249·2020-08-15 03:30

深入理解Express.js

转自：http://xvfeng.me/posts/understanding-expressjs/英文原文更赞：http://evanhahn.com/understanding-express-js

weixin_30483013·2020-08-15 00:15

TRULY Understanding ViewState

ViewStateisaverymisunderstoodanimal.IwouldliketohelpputanendtothemadnessbyattemptingtoexplainexactlyhowtheViewStatemechanismworks,frombeginningtoend,andfrommanydifferentusecases,suchasdeclaredcontrols

daqingshu·2020-08-14 17:49

深入了解IPFS（1/6）：从入门到高级指南

原文：https://medium.com/hackernoon/understanding-ipfs-in-depth-1-5-a-beginner-to-advanced-guide-e937675a8c8a

Null_Value·2020-08-13 22:58

ZFNet 详细解读（Visualizing and Understanding Convolutional Networks）

❤文章有点长，可以收藏一下慢慢看哦~提出本模型的论文：VisualizingandUnderstandingConvolutionalNetworks一、写在前面的话1.为什么神经网络能够表现这么好？仅靠一个理论上的自学习和一个理论上的多参数和一个理论上的非线性分类是无法令人们满意的。神经网络的黑盒子特性也让充满好奇心的机器学习学者们拼命想解开神经网络的秘密。在解密神经网络的庞大队伍中的重要分支是

木土九日·2020-08-13 18:20

《Improving Langugage Understanding by Generative Pre-Tranining》 —— GPT

目录《ImprovingLangugageUnderstandingbyGenerativePre-Tranining》1、GPT历史意义2、无监督预训练——通过大量未标记语料学习网络的初始参数3、SupervisedFine-Tuning4、Task-specificinputtransformations5、实验结果5.1模型结构5.2GPT模型在不同任务上的表现5.2.1文本蕴含任务5.2.

努力努力努力努力·2020-08-13 17:01

《BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding》

目录《BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding》1、Bert研究意义2、摘要3、Bert衍生模型以及Elmo、GPT、Bert对比3.1RoBERTa3.2ALBERT3.3其它3.4ELMO、GPT、BERT比较4、ModelArchitecture5、Pre-trainingBERT5.1B