VGG笔记.pdf

这是VGG网络架构论文的中文学习笔记。首先我们来对VGG网络架构进行一个概括： 1. 小卷积核：相比AlexNet，将卷积核全部替换为3*3，极少用了1*1； 2. 小池化层：相比AlexNe，3*3的池化核全部换为2*2的池化核； 3. 层数更深：VGG16为例，3->64->128->256->512，卷积核专注于扩大通道数，3个通道的特征经过经过卷积层的提取扩散到了512个通道； 4. 特征图更窄：VGG16为例，224->112-56->28->14->7，池化层专注于缩小宽和高； 5. 全连接转1x1卷积：测试阶段可以接收任意宽或高为的输入。

AlexNet笔记

AlexNet 是 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 创造了一个“大型的深 度卷积神经网络”，赢得了 2010 和 2012 ILSVRC（2012 年 ImageNet 大规模视觉识别挑战 赛）。2012 年是 CNN 首次实现 Top 5 误差率 15.4%的一年（Top 5 误差率是指给定一张图 像，其标签不在模型认为最有可能的 5 个结果中的几率），当时的第二名误差率为 26.2%。 我们可以看出性能提升相当大。AlexNet 也是深度学习和神经网络的重新崛起转折点。正是 由于 AlexNet 在 ImageNet 竞赛中夺冠，深度学习正是进入学术界的视野。

语音信号数据集

这是《MATLAB神经网络43个案例分析》这本书中的语音特征信号数据集

K-Means聚类算法

这份笔记对应斯坦福大学机器学习课程中K-Means算法的相关视频。

一种基于层次分析法的改进KNN算法

这是我发表的第一篇论文《一种基于层次分析法的改进KNN算法》的代码文档。这里面包含了AHP-KNN算法、FCD-KNN算法和论文实验代码，以及相关论文。

GMM与EM算法

PDF文档对应于网易公开课上吴恩达教授主讲的机器学习（网址：http://open.163.com/special/opencourse/machinelearning.html）中高斯混合模型（GMM）与EM算法相关内容，补充了Jessen不等式的证明，以及GMM的似然函数最大化的参数的公式推导

斯坦福机器学习笔记（三）—— 高斯判别分析（GDA）

这是吴恩达机器学习视频的关于高斯判别分析的相关讲英文讲义的中文翻译，由于原版讲义未对相关公式进行推导，在上传的资源里对这些公式进行的详细的数学推导。希望对大家有所帮助

斯坦福大学吴恩达机器学习笔记（一）

这份pdf主要同步网易公开课上的吴恩达的机器学习视频第二讲主要讲解了线性回归、BGD算法、SGD算法、线性回归的概率解释、局部加权回归(LWR)的内容

斯坦福大学机器学习笔记（二）

这份pdf同步网易公开课的斯坦福吴恩达机器学习视频，主要主要涉及Logistic回归、感知器算法、牛顿法、GLM、指数函数家族、Softmax回归。

社团活动学分管理系统

这是自己一次课程设计的作品，主要运用了Java Swing JDBC jxl的技术，实现了一个简单的社团学分管理系统。