python实现并行爬虫
指定爬虫depth、线程数, python实现并行爬虫
http://blog.csdn.net/abcjennifer/article/details/25912675 的辅助代码,利用stochastic gradient descent 进行logistic regression, 应用于mnist数据集
Content 1. 回顾 deep learning在图像上的经典应用 1.1 Autoencoder 1.2 MLP 1.3 CNN<详细的见上一篇CNN> 2. deep learning处理语音等时序信号 2.1 对什么时序信号解决什么问题 2.2 准备知识 2.2.1 Hidden Markov Model(HMM) 2.2.2 GMM-HMM for Speech Recognition 2.2.3 Restricted Boltzmann Machine(RBM) 3. DBN 和 RNN 在语音上的应用 3.1 DBN 3.1.1 DBN架构 3.1.2 DBN-DNN for Speech Recognition 3.2 RNN 3.2.1 RNN种类 3.2.2 RNN-RBM for Sequential signal Prediction
PS:本篇blog为ese机器学习短期班参考资料(20140516课程),本文只是简要讲最naive最simple的思想,重在实践部分,原理课上详述。
http://blog.csdn.net/abcjennifer/article/details/23615947
环境:opencv 2.4.6.0 特征:eigenface Input:一个人脸数据库,15个人,每人20个样本(左右)。 Output:人脸检测,并识别出每张检测到的人脸。
基于python逐步实现Decision Tree(决策树),分为以下几块: 加载数据集 熵的计算 根据最佳分割feature进行数据分割 根据最大信息增益选择最佳分割feature 递归构建决策树 样本分类
本资源为KMeans和KMedoid算法的实现,算法讲解见http://blog.csdn.net/abcjennifer/article/details/8197072
笔耕不辍
1024超级勋章
1024达人勋章
分享精英
持续创作
博客之星