Learning

深度学习(Deep Learning)综述

江枫思渺然 提交于 2019-12-05 06:37:31
Comments from Xinwei: 本文是从deeplearning网站上翻译的另一篇综述,主要简述了一些论文、算法已经工具箱。 深度学习是ML研究中的一个新的领域,它被引入到ML中使ML更接近于其原始的目标:AI。查看 a brief introduction to Machine Learning for AI 和 an introduction to Deep Learning algorithms . 深度学习是关于学习多个表示和抽象层次,这些层次帮助解释数据,例如图像,声音和文本。对于更多的关于深度学习算法的知识,查看: The monograph or review paper Learning Deep Architectures for AI (Foundations & Trends in Machine Learning, 2009). The ICML 2009 Workshop on Learning Feature Hierarchies webpage has a list of references . The LISA public wiki has a reading list and a bibliography . Geoff Hinton has readings from last year’s NIPS tutorial .

OpenBR安装与编译过程

故事扮演 提交于 2019-12-03 05:12:53
转载请注明出处: Gaussic 。 原始文档地址: 这是链接 。 在安装的时候碰上几个说大不大说小不小的坑,折腾了很长时间,在此做个总结。 安装VS2013 首先要安装VS2013,官网上说装Express版本就行,我这边装了Professional中文版,除了编译的时候经常出现字符问题,其他没什么影响。 下载并安装 CMake 3.0.2 最好跟它的版本保持一致,以免入坑,下载地址: 这是链接 。 在安装过程中,记得选 Add CMake to PATH ,把CMake添加到环境变量里去。 下载OpenCV 2.4.11 理论上说新一点的版本也是可以的。最好保持一致,官网链接: 这是链接 。 解压到你想要解压的地方,官方放在了C盘,操作方便。 接下来就是编译了,先要打开VS2013 x64兼容工具命令提示,(开始菜单->所有程序->Visual Studio 2013->Visual Studio Tools里面)。 开始敲命令: $ cd C:\opencv-2.4.11 $ mkdir build-msvc2013 $ cd build-msvc2013 $ cmake -G "NMake Makefiles" -DBUILD_PERF_TESTS=OFF -DBUILD_TESTS=OFF -DWITH_FFMPEG=OFF -DCMAKE_BUILD_TYPE

自学习 与 无监督特征学习

♀尐吖头ヾ 提交于 2019-12-03 03:59:15
基本内容 在之前课程的基础上,本章的内容很好理解。 比如要对手写数字进行识别,我们拥有大量未标注的和少量已标注的手写数字图片。图片是灰度图,尺寸是 28×28(=784),可以将 784 维向量直接作为输入,但此时模型复杂度较高,也没有减小噪音和次要特征的影响。所以如果能提取原数据的主要特征作为输入,可以提高预测的准确度。 稀疏自动编码器就是一个很好的特征选择算法。 经过训练,隐藏层的输出(Features)可以替代原数据作为分类算法的输入。 基本概念就这么多,本章的难点在于理论与实践的结合。 课后作业 先吐槽一下 oschina 博客的代码插件,没有 Matlab 选项 却有 Google Go,oschina 认为 Go 比 Matlab 应用更广泛吗? 这也是我在这个系列文章里不贴代码只给链接的原因。 主要代码及运算结果 代码地址 stlExercise.m - 程序的入口和主线 稀疏自编码器可视化: 使用提取出的特征训练 Softmax 分类器,测试结果: 使用原数据训练 Softmax 分类器,测试结果: 加入数据白化 如果在交给稀疏自编码器提取特征之前,对原数据做一些预处理结果会怎样? 我们知道对图像数据做白化处理可以平滑去噪、减小特征之间的相关性。下面就看看加入数据白化后的结果。 图1是原始图像、图2是白化后的图像、图3是稀疏自编码器学到的特征。 预测准确度为:

OpenBr快速入门

心已入冬 提交于 2019-12-01 20:55:46
转载请注明出处: Gaussic 官方翻译加实践,基于Windows版本。 官网地址: 这是链接 。 这篇教程旨在使用一些有趣的例子让你熟悉OpenBR背后的思想、对象以及动机。注意需要摄像头的支持。 OpenBR是一个基于QT、OpenCV和Eigen而构建的C++库。它既可以在命令行使用 br 命令来使用,还可以通过C++或C的API接口来使用。使用 br 命令是最简单也是最快地起步方法,这篇教程中的所有例子都是基于 br 命令的。 首先,确认OpenBR正确地安装。 Windows版本的安装教程: 这是Windows版教程 。 如果是其他版本,请参照官网: 官网 。 官方文档存在一定错误,Windows版本可参照上面的链接。 在终端或命令行输入: $ br -gui -algorithm "Show(false)" -enroll 0.webcam 如果每一步都按照上面进行操作,你的摄像头应该打开了并且开始捕捉视频了。恭喜你,你正在使用OpenBR。注:如果是Windows用户请切换到 openbr\build-msvc2013\install\bin 目录下,也可以把这个目录加到环境变量里面。 现在我们来聊聊上面的命令到底发生了什么。 -gui , -algorithm 和 enroll 是OpenBR的一些flag,它们被用来指定 br 应用的指令操作