机器学习算法

在卷积神经网络CNN 出现之前，图像对于人工智能来说是就是一个灾难，主要是有两个原因：一 图像需要处理的数据量过多；二 图像的特征无法很好的保留。CNN通过平移不变原理和参数共享机制非常完美的解决

一 背景 这种需要处理「序列数据 – 一串相互依赖的数据流」的场景就需要使用 RNN 来解决了。 典型的几种序列数据： 文章里的文字内容 语音里的音频内容 股票市场中的价格走势 …… 二 循环神经网络

一 什么是图神经网络 1 神经网络的兴盛 目标检测 机器翻译 语音识别 图像识别扥 等都被各种端到端的深度学习范式，例如卷积神经网络（CNN）提取图像特征，Encoder-Decoder模式解决各种序

一 背景 ​ 近年来，伴随着大数据与大算力的突破性进展，基于深度学习的突破层出不穷，基于卷积的网络结构在图像领域大放异彩、基于时序的网络模型在搜广推被广泛使用，并且产生了巨大的经济与体验效益，深受广大

@(概率论) [toc] 前言 本文是概率论与数理统计的相关基础知识。正所谓万丈高楼平地起，所谓复杂皆出自简单，万事万物都是由最基础的原子构成。 数学期望 定义 离散型的定义 $$ P{X=x_k}

Bloom Filter是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。

深度学习利器-GPU介绍 1 深度学习之GPU 近代史科技发展日新月异，摩尔定律从中显威，各种底层技术层出不穷，本文介绍GPU相关的硬件与软件体系、SUDA架构与示例以及相关优化方法。

白话机器学习-最优化方法-牛顿法 @[toc] 简介 特点 收敛速度快； 方式 牛顿法是迭代算法，每一步需要求解目标函数的海塞矩阵的逆矩阵，计算比较复杂（后续会讲解拟牛顿法，拟牛顿法通过正定矩阵近似海

​ 目录 目录 前言： 定义： 分析 算法描述 前言： 定义： 特点： 实现简单； 迭代算法，每一步需要求解目标函数的梯度向量。 定义： 假设f（x）是 R^NR N 上具有一阶连续偏导数的函数，要求

前面讲述了线性回归，线性回归的模型 y=w T +b。模型的预测值逼近真实标记y。那么可否令模型的预测值逼近真实标记y的衍生物呢。比如说模型的预测值逼近真实标记的对数函数。下面引入逻辑回归的知识。

前言 线性模型的基本形式 输入：x=（x1；x2；x3；...；xd)。表示：示例有d个属性，xi表示第i个属性；y表示输入x的标记。（x，y）组成样本点。 输出：通过训练样本集，学习一个通过属性的线

感知机1957年由Rosenblatt提出，是神经网络与支持向量机的基础，对神经网络的学习与深度学习有着重要的意义。