人工智能 | 数盟社区 | Page 79
301425225195747 0

图像局部特征点检测算法综述

- 人工智能 - 阅 2,095

作者:Ronny 研究图像特征检测已经有一段时间了,图像特征检测的方法很多,又加上各种算法的变形,所以难以在短时间内全面的了解,只是对主流的特征检测算法的原理进行了学习。总体来说,图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好…

t01258f1b827d3dea30 0

在找机器人女友前,你还需要看下这篇最强自然语言处理普及贴

- 人工智能 - 阅 1,793

作者: 小石头 电影《 Her 》里,语音交互成为普遍的交互方式:孤独的作家西奥多,有语音操控的随身计算设备,用语音撰写感人的书信安抚受伤人,还找到了“机器人女友”莎曼萨。 作为一个懒人,每次看这部电影,都对语音交互充满期待。这一天真的就那么远么?造出机器人女…

1 0

LDA入门与Java实现

- 编程语言,人工智能 - 阅 3,464

作者:hankcs 这是一篇面向工程师的LDA入门笔记,并且提供一份开箱即用Java实现。本文只记录基本概念与原理,并不涉及公式推导。文中的LDA实现核心部分采用了arbylon的LdaGibbsSampler并力所能及地注解了,在搜狗分类语料库上测试良好,开源在GitHub上。 什么是主题模型 在…

t0101a7764665e713a0 0

鹅厂老手讲:分布式机器学习的故事

- 人工智能 - 阅 2,756

作者:Yi Wang [crayon-5974b6bd5d326281877341/] 如果你关注大数据,听完我说的故事,应该会有感触。 大数据和分布式机器学习特点 说故事之前,先提纲挈领的描述一下我们要解决的问题的特点。我见过的有价值的大规模机器学习系统,基本都有三个特点: 1 可扩展。 …

t01cb14cf99077d3721 0

聚类(1)——混合高斯模型 Gaussian Mixture Model

- 人工智能 - 阅 3,518

作者:姜文晖 聚类详解(序)——监督学习与无监督学习 聚类详解(1)——混合高斯模型 Gaussian Mixture Model 聚类详解(2)——层次聚类 Hierarchical Clustering 聚类的方法有很多种,k-means要数最简单的一种聚类方法了,其大致思想就是把数据分为多个堆,每个堆就是一类。每个…

54c985da2f578_副本 0

深入探究递归神经网络RNN:大牛级的训练和优化

- 人工智能 - 阅 12,332

作者:Nikhil Buduma 在深度学习领域,传统的前馈神经网络(feed-forward neural net,简称FNN)具有出色的表现,取得了许多成功,它曾在许多不同的任务上——包括手写数字识别和目标分类上创造了记录。甚至到了今天,FNN在解决分类任务上始终都比其他方法要略胜一筹。 尽管…

4_241 0

聚类(序)——监督学习与无监督学习

- 人工智能 - 阅 2,527

作者:jiang1st2010 聚类详解(序)——监督学习与无监督学习 聚类详解(1)——混合高斯模型 Gaussian Mixture Model 聚类详解(2)——层次聚类 Hierarchical Clustering 机器学习的常用方法,主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。 监…

QQ截图20150128192914 0

图像的稀疏表示——ScSPM和LLC的总结

- 人工智能 - 阅 3,711

作者:jiang1st2010 前言 上一篇提到了SPM。这篇博客打算把ScSPM和LLC一起总结了。ScSPM和LLC其实都是对SPM的改进。这些技术,都是对特征的描述。它们既没有创造出新的特征(都是提取SIFT,HOG, RGB-histogram et al),也没有用新的分类器(也都用SVM用于最后的image …