在大型商场，医院或是大楼里，你是否曾经有过找不到想去的地方的经历呢？这种情况下采用传统的定位方法就有些力不从心了。首先这些地方不能采用GPS定们，而Wifi和蜂窝式移动电话基站定位误差比较大。这种情况下的定位就叫”微定位“技术 。 微定位技术中一个比较重要的概念-地理围栏。地理围栏是LBS的一种新应 ...
分类：
移动开发 时间：
2018-05-18 11:38:01
阅读次数：
222
BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。BP神经网络误差反向传播神经网络：置各权和阈值的初始化给定P个训练样本Xp(p=1,2,...,p)和对应的理想输出Dp(p=1,2,...p)信息前向传递：计算网络各层的输出4.误差反向传播5.修改权和阈值6.重复2~5步，直至P个样本都训练一边7.判断是否满足精度要求。若满足，则停止训练，否则重复第2步。
分类：
编程语言 时间：
2018-05-17 23:19:41
阅读次数：
234
其实今天只花了一点点时间来学习这本书， overfitting可以通过regularization来解决，贝叶斯方法也可以避免overfitting的出现，实际上在贝叶斯模型里，模型的有效参数数量会自动地根据训练数据集大小来确定。 regularization的思想是，对误差函数加入惩罚项，使得系数 ...
分类：
系统相关 时间：
2018-05-17 22:03:55
阅读次数：
182
残差网络的设计目的 随着网络深度增加,会出现一种退化问题,也就是当网络变得越来越深的时候,训练的准确率会趋于平缓,但是训练误差会变大,这明显不是过拟合造成的,因为过拟合是指网络的训练误差会不断变小,但是测试误差会变大。为了解决这种退化现象,ResNet被提出。我们不再用多个堆叠的层直接拟合期望的特征 ...
分类：
Web程序 时间：
2018-05-17 20:44:09
阅读次数：
1863
根据业务需求： 机器学习：利用计算机从历史的数据中找出规律，对未来的不确定场景做决策。全部数据，多，全面 精确 目标：人 数据分析：人 和他的知识水平对历史的数据的分析。采样数据 少 随机 误差 目标：高层 boss 机器学习细分： 人脸、指纹、语音、手势、个性医疗、助理、视频识别、自动驾驶、 深度 ...
分类：
其他好文 时间：
2018-05-17 19:16:09
阅读次数：
160
背景： 最近团队在搞开发与测试环境整理。更换旧的IP段，启用新的IP段，一系列原来的上百台虚拟机上的成百上千个应用的“无缝”对接也是个问题，其实也不算是完全无缝，还是会有点小影响，但贵在对环境搭建熟悉的同事大有人在，所以倒不担心替换后有具体技术解决不了，这个过程中，到目前为止，其中难点不在于技术，在 ...
分类：
其他好文 时间：
2018-05-17 18:14:14
阅读次数：
182
一.线性回归算法原理推导 1.误差项分析 2.似然函数求解 3.目标函数推导 4.线性回归求解 ...
分类：
其他好文 时间：
2018-05-15 00:18:24
阅读次数：
160
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。1、test源码(泛化过程) (1)test image a(预测):load_network（network.c） ...
分类：
Web程序 时间：
2018-05-14 19:47:56
阅读次数：
1135
一、训练误差与测试误差 统计学习的目的就是利用已经学到的模型对已知数据和未知数据进行预测，因此在损失函数确定的情况下，基于损失函数的训练误差和测试误差就成了我们对模型进行评价的一个标准。 注意：在统计学习中使用的损失函数未必和评估中使用的损失函数一样。 训练误差的大小对于判断给定问题是否容易学习是有 ...
分类：
其他好文 时间：
2018-05-14 10:25:56
阅读次数：
142
机器学习中往往需要刻画模型与真实值之间的误差，即损失函数，通过最小化损失函数来获得最优模型。这个最优化过程常使用梯度下降法完成。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。 1. 梯度 解释梯度之前需要解释导数与偏导数。导数与偏导数的公式如下： ... ...
分类：
其他好文 时间：
2018-05-13 23:43:13
阅读次数：
1171
