我的主页

机器学习本质问题理解

概率理解 平方差目标函数作为误差函数的证明 均值为0的高分分布的极大似然估计 线性回归中解析式求解 逻辑回归 最大熵 熵表示了混乱程度，越混乱越稳定，就像一个房间如果不收拾会越来越乱，事物的发展总是熵增的方向，熵越大越稳定 均值分布是最不确定的情况熵值最大 聚类 层次聚类从单到多或者从多到单 DBSCAN聚类算法 先定义邻域的直径 如果一个样本...

Posted by 高庆东 on October 6, 2017

机器学习应用层理解2

Svm 核函数问题 核函数将原来特征映射到其他坐标中 高斯核函数 表示了与给出的特征的相似程度 Svm多分类问题 对于有多个类有两种方法进行分类方法1：针对每个类分别建立一个分类器只用于区分 该类和其他类，将测试样本输入每个分类器 输出最大值即对应该类 （可能出现的问题：计算出来的值都是负数，或者一样大） 方法2：对于k个种类针对每两类建立一个分类器 一共有看k*（k-1）/2个分类...

Posted by 高庆东 on September 6, 2017

机器学习应用层理解1

机器学习 线性回归 线性回归需要训练集 训练集包括输入输出 确定目标输入的向量即每个输出对应的输入的维度 列对应的拟合线性方程 确定合适的损失函数 以损失函数的标准来优化拟合方程 代价函数是所需要确定的参数的函数 损失函数计算的是当前训练集中所有样本的损失要最小化的是所有样本的损失 代价函数可以自己定义只要符合一定要求 能转化为最优化问题 进而用sgd Gd更新时需要同时更新参数 ...

Posted by 高庆东 on August 6, 2017

对于cnn的理解

我对于cnn网络的一些理解 cnn进行卷积运算的时候当从前一层卷积往下一层的时候 首先确定上一层得 到featuer map 的个数 k 然后确定当前层需要多少feature map 然后确定卷积核的大小m*n 该层 的权重矩阵等于=卷积核的维度 乘上一层feature map 的个数=mnk 每层的权值个数与上一层的featuer map 的个数有关系 该层每个神经元的输入等...

Posted by 高庆东 on July 6, 2017

python学习

1环境搭建 设置环境变量 解释将软件路径加载到dos路径方法是我的电脑属性高级系统设置 环境变量找到path 将路径加载 加载工具包：将pip 加载到环境变量中 打开dos 输入pip install 报的名字，即可加载包 Requests 是用于抓取网页的包 Pip是用来管理安装的外部包的程序 在eclipse中加载 新的软件包步骤help—install software ...

Posted by 高庆东 on June 6, 2017

c++注意事项

主要是类 类主要是构造函数 构造函数对类里的属性进行初始化 this指针指的是当前类型的地址 不同数据类型的处理比如枚举型 静态属性 抽象方法 继承 动态内存管理 new 一定要记得删除 模块化编程 #ifndef #deinf #endif 分成很多.c .h .c...

Posted by 高庆东 on May 27, 2017

c++学习

c++ 指针代表数组 Cin 流对象 对象类型是istream 提取操作 （相当于结构体） Cin.ignore(7)接收到的表示忽略前7个字符 Cin.getlinr(buf,10)表示接收到10个字符存在buf里（字符串数组最后一位为0） Cin.peek() 提取字符比较 Cin.get() 获取字符 Cin.read(buf,20)读取20个字节进入 Cout.p...

Posted by 高庆东 on May 6, 2017

汇编学习

汇编语言 cpu有数据总线，控制总线，地址总线 Cpu通过总线与内存通信，（并行） 寄存器表示 指令表示 解释 Mov 功能 1将数据送入寄存器 2将寄存器中的内容送入另一个寄存器 3将内存单元中的内容送入寄存器 （段地址，偏移地址，cpu自动读取段地址） ##栈介绍 8086的栈顶指针为ss：sp 当栈里没有元素的时...

Posted by 高庆东 on April 6, 2017

freertos学习

Freertos操作系统学习 任务关系 有点类似ucos 但是涉及到api函数 需要理解创建任务的api都有神马功能 创建任务函数完成任务的创建 任务函数完成具体的任务 任务函数必须返回void 而且带有一个void指针参数，任务函数不能被执行完不能有返回值 Viod指针参数用于配合创建任务函数中的参数指针变量 创建任务函数是个api函数函数具体实现如下 pvTaskCod...

Posted by 高庆东 on March 4, 2017

pid学习

pid介绍 增量型pid 首先计算测量值与给定值的差值E （通过传感器测量的值发送给mcu再与给 定值比较 ）然后计算上一次的差值与本次的差值的差值e （此项可以作为 比例信号的输入）积分项设为差值E（只要存在差值就存在调节）需要改进 的地方微分项为可以设为e+e3—2*e2（需要改进）最后的计算结果需要加上 上一次的计算值 位置型pid 需要计算误差的绝对值 积分项需要把每...

Posted by 高庆东 on February 4, 2017

FEATURED TAGS
c语言 c++ 面向对象 指针 容器 python 函数 数据结构 回归 损失函数 神经网络 机器学习 似然函数 极大似然 标准化 深度学习 卷积网络 参数估计 beta分布 数据处理 gradio 模型工程化 网页 模型加速工具 c++实现 变量 占位符 tensorflow 线性回归 学习tensorflow HMM RNN 强化学习 LSTM pandas 不定长序列损失 pytorch 目标检测 RPN 非极大值抑制 ROIpooling VGG16 Transformer BERT Python 装饰器 方法 Pytorch FPN 图像分类 CNN 多模态 生成 GPT Tranformer 生成模型 audio
ABOUT ME

get busy living or get busy dying!

✉️ 986285044@qq.com