機器學習和優(yōu)化問題
很多機器學習方法可以歸結為優(yōu)化問題，對于一個參數(shù)模型，比如神經(jīng)網(wǎng)絡，用來表示的話，訓練模型其實就是下面的參數(shù)優(yōu)化問題：
其中L是loss function，比如神經(jīng)網(wǎng)絡中分類常用的cross-entropy。
CNN學到了什么？
特征（Representation）。把原始圖像看做一個維度是像素×通道的向量，經(jīng)過各種復雜的CNN結構，其實只不過成了另一個向量。這個向量所在的空間也許有更好的線性可分性，也許是相似樣本的“距離”更近，原始的數(shù)據(jù)經(jīng)過
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應用分析 2017-07-26
- 集合結合數(shù)據(jù)結構來看看(二) 2017-07-26
學習是年輕人改變自己的最好方式