才子佳人博客

我的故事我讲述

心不定则气不顺,气不顺则血不行,血不畅则百病生(续)

而人的健康离不开两大要素,一个是充足的气血,另一个是畅通的经络。“气”是一种不断活动着的、活力旺盛的精微物质,在我们全身各脏腑、经络中流动着,无处不在、每时每刻都在推动着人体的各项生理活动。

心不定则气不顺,气不顺则血不行,血不畅则百病生

在《黄帝内经·素问》中就有记载:“人之所有者,血与气耳。”人体的五脏六腑、骨骼经络乃至毛发皮肤都必须依赖气血的滋养,没有气血就没有生命。

ILSVRC竞赛项目详细介绍

ILSVRC是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一,代表了图像领域的最高水平。ILSVRC竞赛的项目主要包括以下几个问题:

卷积神经网络中全连接层及其反向传播的理解

全连接层的每一个结点都与上一层的所有结点相连,用来把前边提取到的特征综合起来。由于其全相连的特性,一般全连接层的参数也是最多的。

卷积神经网络之空间金字塔池化方法

空间金字塔池化,要解决的就是从卷积层到全连接层之间的一个过渡。使用金字塔池化,使得任意大小的特征图都能够转换成固定大小的特征向量。

治幽螺,中医分三型

中医认为,幽门螺杆菌属“邪气”范畴,是一种外邪。“邪之所凑,其气必虚”“正气存内,邪不可干”,人之所以感染幽门螺杆菌,除了外邪侵扰,还与自身正气不足有关。

机器学习重要概念:梯度(Gradient)与梯度下降法(Gradient Descent)

机器学习中的大部分问题都是优化问题,而绝大部分优化问题都可以使用梯度下降法处理,那么搞懂什么是梯度,什么是梯度下降法就非常重要!这是基础中的基础,也是必须掌握的概念!

卷积神经网络的训练过程(前向传播、反向传播过程)

卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段,另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段。

卷积神经网络简介

卷积神经网络与普通神经网络的区别在于,卷积神经网络包含了一个由卷积层和子采样层(池化层)构成的特征抽取器。

图示卷积神经网络之激活函数RelU (Rectified Linear Units)

常用的激活函数有sigmoid、tanh、relu等等,前两者sigmoid/tanh比较常见于全连接层,后者ReLU常见于卷积层。

图示卷积神经网络之池化(Pooling)过程和作用

为了有效地减少计算量,CNN卷积神经网络使用的另一个有效的工具被称为“池化(Pooling)”。池化就是将输入图像进行缩小,减少像素信息,只保留重要信息。

卷积神经网络之感受野

感受野用来表示网络内部的不同神经元对原图像的感受范围的大小。

卷积神经网络各种池化

在卷积神经网络中,我们经常会碰到池化操作,而池化层往往在卷积层后面,通过池化来降低卷积层输出的特征向量,同时改善结果。

常用激活函数(激励函数)理解与总结

学习神经网络的时候我们总是听到激活函数这个词,而且很多资料都会提到常用的激活函数,比如Sigmoid函数、tanh函数、Relu函数。本文的内容包括几个部分:

深度学习(DL, Deep Learning)简介

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。

[1/172][<<][1][2][3][4][5][6][7][8][9][10][>>]