【机器学习】浅谈正规方程法&梯度下降
【机器学习】浅谈正规方程法&梯度下降数据模型为线性回归模型，方程代价函数。代价函数就是实际数据与数学模型（这里是一元一次方程）所预测的差值，如：蓝线的长度就是代价函数，可以看到代价函数越大拟合效果越差，代价函数越小，拟合效果越好。其中关于 θ1\theta_1θ1 的的代价函数f(θ1)f(\th
时间序列—相关性和滞后性分析_python
本文讲述了两个时间序列(信号)的相关性分析，可以利用相关性分析进行特征筛选。此外本文还讲了怎么判断时间序列的滞后性的方法。
你应该知道的，十二大CNN算法
大家好，我是K同学啊！今天和大家分享一下自年来，涌现出来的那些优秀的图像识别算法模型。⭐️ 简介模型是Yann LeCun教授于1998年在论文《Gradient-based learning applied to document recognition》中提出。它是第一个成功应用于手写数字识别问
用Python生成答题库，辅助完成XX在线平台视频学习的课后考试
随着XX在线视频学习的任务增多，有时刷完视频并不能轻松完成课后考试，本篇文章意在用Python提供解决思路和代码，为顺利通过考试提供可行性方案。
因怀疑对话系统变成人而被带薪休假，我亲自看了看。
今天被一个谷歌的对话系统LaMDA的新闻吸引到了，这个新闻大致是讲，谷歌研究员通过提交自己和AI的对话记录，试图让上司明白AI已经初具人格（即有人的意识）而被带薪休假。我关注的不是他为何被处理，我更希望的是去看看，这个可以令谷歌研究员走火入魔的AI到底达到了什么样的水平了，于是，我亲自去看了它的原版
基于自动编码器的赛车视角转换与分割
本文将利用vae将汽车前置视像头的图像转换成分割后的鸟瞰图
Python图像处理
python图像处理
PyTorch搭建LSTM实现多变量输入多变量输出时间序列预测
PyTorch搭建LSTM实现多变量输入多变量输出时间序列预测
【机器学习】梯度下降之数据标准化
吴恩达机器学习笔记在线性回归中，尤其是多变量回归模型，由于各个的数据之间量化纲位不同，如果数据范围分别是是【0~1000，0 ~5】或者【-0.00004 ~ 0.00002，10 ~ 30】, 那么在使用梯度下降算法时，他们的等高线是一个又窄又高的等高线，如下图：因为一个他们量化纲位不同会出现
KMean算法精讲
KMeas算法是一种聚类算法，同时也是一种无监督的算法，即在训练模型时并不需要标签，其主要目的是通过循环迭代，将样本数据分成K类。
浅谈sklearn中的数据预处理
sklearn中的数据预处理
机器学习之数据处理与可视化【鸢尾花数据分类|特征属性比较】
大部分的机器学习模型所处理的都是特征，特征通常是输入变量所对应的可用于模型的数值表示。大部分情况下，收集得到的数据需要经过处理后才能够为算法所使用。通常情况下，一个数据集当中存在很多种不同的特征，其中一些可能是多余的或者与我们要预测的值无关的，可通过数据处理和可视化进行筛选。特征选择技术的必要性也体
MicroNet实战：使用MicroNet实现图像分类
本文通过对植物幼苗分类的实际例子来感受一下MicroNet模型的效果。模型来自官方，我自己写了train和test部分。从得分情况来看，这个模型非常的优秀，我选择用的MicroNet-M3模型，大小仅有6M，但是ACC在95%左右，成绩非常惊艳！！！这篇文章从实战的角度手把手带领大家完成训练和测试。
点标注、像素级视觉任务、Ground Truth
机器学习名词
ROS2之OpenCV基础代码对比foxy~galactic~humble
参考：推荐使用：YOLOX + ROS2 object detection package也可以参考：github.com/jeffreyttc/opencv_ros2vision_opencvros2 vision_opencv 包含将 ROS 2 与 OpenCV 接口的包，OpenCV 是一个
Mask_RCNN项目下载、配置、运行保姆级教程
Mask_RCNN项目下载、配置、运行保姆级教程
计算机视觉可解释性——将特征图的某一通道转化为一张图来可视化
本实验是将某一层的特征图中的某一通道对其进行的可视化，有两种方式一种是使用opencv；另一种是使用tensorboard。运行结果使用的resnet50作为backbone的效果更好，将layer1的特征中第一层通道(256中的第1层)转化为图像 layer1. channels1.将layer1
数字图像处理-图像形态学处理-颗粒提取
在下图所示的二值图像particle.tif（另附件）中，包含若干大小相同的白色颗粒（即前景目标，颗粒直径大小大约22像素），背景为黑色像素所构成的区域。现要求设计一种形态学算法，用于区分图像中的不同颗粒对象（分三种类型：与图像边界融合在一起的颗粒、彼此交叠的颗粒、没有交叠的颗粒）。...
【GMM+KDE】基于MATLAB的GMM和KDE核估计得目标跟踪仿真
GMM是一种利用一定数量的小高斯函数混合逼近某变量的概率密度函数的方法，是在概率估计中常用的参数化模型，今年被广泛应用于模式识别领域。 一有限的GMM的描述非常简单，即由高新分布函数的任何凸组合形成一混合模型。对于n维实空间的随机变量x，利用GMM可以近似的表示其概率密度函数：
SVD 奇异值分解纯手工实现（C++）
奇异值分解SVD（紧奇异值分解，截断奇异值分解）C++实现
