码迷,mamicode.com
首页 >  
搜索关键字:归一化    ( 664个结果
矩阵常用归一化
这属于基础知识,老师应该讲的,可是;老师没讲.....在这个实验室,一师姐老师只要不在考试购物唱歌,完全无视其他人存在,给各个单身小学弟卖钱包,手表.......真是够了,精神污染....一.最小最大归一化 和区间映射(我理解的是把一个区间[a,b]映射到[c,d],c+(x-a)*(d-c)...
分类:其他好文   时间:2015-06-20 21:59:04    阅读次数:144
[Exercise]softmax Regression
softmax回归用来解决K类分类问题,其实就是logistic回归的扩展。注意:1.对于sigmod函数g(x),当x∈[-1,1]时效果比较好。所以先把样本数据进行归一化(本例中就是对每一个数都除以10)2.这次的参数θ不再是一维的向量了而是二维的矩阵: tt[1..CLS][1..LEN] ....
分类:其他好文   时间:2015-06-20 00:19:19    阅读次数:278
人脸检测相关介绍
1人脸的检测和定位:检测图中有没有人脸,将人脸从背景中分割出来,获取人脸或人脸上的某些器官在图像上的位置。2特征提取:提取特征点,构造特征矢量;多个样本图像的空间序列训练出一个模型,它的参数就是特征值;模版匹配法用相关系数做特征;而大部分神经网络方法则直接使用归一化后的灰度图像作为输入,网络的输出就...
分类:其他好文   时间:2015-06-16 20:55:49    阅读次数:101
MNIST
THE MNIST DATABASEof handwritten digits 有训练集6万,测试集1万。是NIST的子集。数字放在一个归一化的,固定尺寸的图片的中心。 这是一个给那些想在真实的世界数据上面,学习模式识别技术的人的一个很好的数据库。仅仅花费最少的预处理和格式化。(不知道为啥几个数.....
分类:其他好文   时间:2015-06-15 18:17:54    阅读次数:8820
通信系统仿真中的几个能量归一化问题
(注:本文部分内容转自互联网)1. 星座映射归一化因子是如何得到的?答:所有能量求平均后开方得到的就是波形幅度值,其倒数就是归一化因子。比如,比如16QAM,取值为,能量为2有4个星座点,为10有8个点(+-1+-3i),为18有4个点,共有能量72+80+8=160,然后这16个点的等概率分布是1...
分类:其他好文   时间:2015-06-08 21:08:53    阅读次数:1762
双边滤波与引导滤波
转自http://blog.csdn.net/pi9nc/article/details/26592377双边滤波双边滤波很有名,使用广泛,简单的说就是一种同时考虑了像素空间差异与强度差异的滤波器,因此具有保持图像边缘的特性。先看看我们熟悉的高斯滤波器其中W是权重,i和j是像素索引,K是归一化常量。...
分类:其他好文   时间:2015-06-08 17:08:52    阅读次数:163
normalization归一化
简单的举个例子:一张表有两个变量,一个是体重kg,一个是身高cm。假设一般情况下体重这个变量均值为60(kg),身高均值为170(cm)。1,这两个变量对应的单位不一样,同样是100,对于身高来说很矮,但对于体重来说已经是超重了。2,单位越小,数值越大,对结果的影响也越大,譬如170cm=1.7m。...
分类:其他好文   时间:2015-06-08 14:50:26    阅读次数:106
Caffe-代码解析-compute_image_mean
功能: 计算训练数据库的平均图像。 因为平均归一化训练图像会对结果有提升,所以Caffe里面,提供了一个可选项。使用方法: compute_image_mean [FLAGS] INPUT_DB [OUTPUT_FILE]\n”) 参数:INPUT_DB: 数据库 参数(可选):OUTPUT_FILE: 输出文件名,不提供的话,不保存平均图像blob...
分类:其他好文   时间:2015-06-04 17:12:39    阅读次数:558
Keyle的3D数学-学习手札
数学复习笔记 不断更新中 1.向量 在3D数学中 向量的基本运算有 归一化 ,加法与减法 ,点乘 与叉乘 。 点乘公式如下 所指为 a向量与b向量的夹角 , = 反余弦(ab点乘 / a与b的模相乘) 叉乘公式如下 具体用法在这里 ttp://www.cnblogs.com/Keyle/p/4506...
分类:其他好文   时间:2015-06-03 15:30:30    阅读次数:239
使用sklearn进行数据预处理 —— 归一化/标准化/正则化
一、标准化(Z-Score),或者去除均值和方差缩放公式为:(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性(按列进行)减去其均值,并处以其方差。得到的结果是,对于每个属性/每列来说所有数据都聚集在0附近,方差为1。实现时,有两种不同的方式:使用sklearn.preproc...
分类:其他好文   时间:2015-06-01 13:11:52    阅读次数:153
664条   上一页 1 ... 57 58 59 60 61 ... 67 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!