欢迎转载,转载请注明:本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群:433250724,欢迎对算法、机器学习技术感兴趣的同学加入。
以下是我利用业余时间在自己博客中写的文章,主要是一些基础、经典算法的整理,目的一方面是为了科普机器学习技术,让更多同学可以知道什么是机器学习;另外一方面也是督促自己在工作之余还可以抽时间学习知识,温故知新,以备查用。本文会不断更新。如果大家想看什么算法的整理,可以在本文后面留言,我有时间就写。
注:有一部分blog中的图片或者公式来源于一些优质的网络资源,我基本都会有引用;毕竟我只是做知识的整理而非商业目的,如有疏漏请与指正。另外,鉴于本人水平有限,难免会有很多地方写的不对,大家可以在相应文章末尾留言指正,谢谢!
基础入门知识整理
- 深度学习/机器学习入门基础数学知识整理(一):线性代数基础,矩阵,范数等
- 深度学习/机器学习入门基础数学知识整理(二):梯度与导数,矩阵求导,泰勒展开等
- 深度学习/机器学习入门基础数学知识整理(三):凸优化基础,Hessian矩阵,牛顿法等
机器学习方法系列
- 机器学习方法:回归(一):线性回归Linear regression
- 机器学习方法:回归(二):稀疏与正则约束ridge regression,Lasso
- 机器学习方法:回归(三):最小角回归Least Angle Regression(LARS),forward stagewise selection
- 机器学习方法(四):决策树Decision Tree原理与实现技巧
- 机器学习方法(五):逻辑回归Logistic Regression,Softmax Regression
- 机器学习方法(六):随机森林Random Forest,bagging
- 机器学习方法(七):Kmeans聚类K值如何选,以及数据重抽样方法Bootstrapping
- 机器学习方法(八):随机采样方法整理(MCMC、Gibbs Sampling等)
- 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第一部分
- 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第二部分
- 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第三部分
深度学习方法系列
- 深度学习方法:受限玻尔兹曼机RBM(一)基本概念
- 深度学习方法:受限玻尔兹曼机RBM(二)网络模型
- 深度学习方法:受限玻尔兹曼机RBM(三)模型求解,Gibbs sampling
- 深度学习方法:受限玻尔兹曼机RBM(四)对比散度contrastive divergence,CD
- 深度学习方法(五):卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 深度学习方法(六):神经网络weight参数怎么初始化
- 深度学习方法(七):最新SqueezeNet 模型详解,CNN模型参数降低50倍,压缩461倍!
- 深度学习方法(八):自然语言处理中的Encoder-Decoder模型,基本Sequence to Sequence模型
- 深度学习方法(九):自然语言处理中的Attention Model注意力模型
- 深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling
- 深度学习方法(十一):卷积神经网络结构变化——Google Inception V1-V4,Xception(depthwise convolution)
- 深度学习方法(十二):卷积神经网络结构变化——Spatial Transformer Networks
- 深度学习方法(十三):卷积神经网络结构变化——可变形卷积网络deformable convolutional networks
- 深度学习方法(十四):轻量级CNN网络设计——MobileNet,ShuffleNet
三十分钟理解系列
- 三十分钟理解博弈论“纳什均衡” – Nash Equilibrium
- 《微微一笑很倾城》中肖奈大神说的平方根倒数速算法是什么鬼?三十分钟理解!
- 三十分钟理解计算图上的微积分:Backpropagation,反向微分
- [重磅]Deep Forest,非神经网络的深度模型,周志华老师最新之作,三十分钟理解!
- 三十分钟理解:线性插值,双线性插值Bilinear Interpolation算法
- 三十分钟理解:双调排序Bitonic Sort,适合并行计算的排序算法
- 三十分钟理解:稀疏矩阵存储格式总结+存储效率对比:COO,CSR,DIA,ELL,HYB
分布式机器学习系统系列
其他散篇
- 距离计算方法总结
- [完美解决]如何在windows安装docker toolbox,使用tensorflow,Jupyter Notebook,各种问题的解决方案
- Science14年的聚类论文——Clustering by fast search and find of density peaks
部分半途而废系列…
- 今天开始学模式识别与机器学习Pattern Recognition and Machine Learning 书,章节1.1,多项式曲线拟合(Polynomial Curve Fitting)
- 今天开始学模式识别与机器学习Pattern Recognition and Machine Learning (PRML)书,章节1.2,Probability Theory (上)
- 今天开始学模式识别与机器学习Pattern Recognition and Machine Learning (PRML),章节1.2,Probability Theory (下)
- 今天开始学Pattern Recognition and Machine Learning (PRML),章节1.6,Information Theory信息论简介
- 今天开始学模式识别与机器学习(PRML),章节5.1,Neural Networks神经网络-前向网络
- 今天开始学Pattern Recognition and Machine Learning (PRML),章节5.2-5.3,Neural Networks神经网络训练(BP算法)
论文导读系列
- ISSCC 2017论文导读 Session 14 Deep Learning Processors,A 2.9TOPS/W Deep Convolutional Neural Network
- ISSCC 2017论文导读 Session 14 Deep Learning Processors,DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN
- ISSCC 2017论文导读 Session 14: A 28nm SoC with a 1.2GHz Prediction Sparse Deep-Neural-Network Engine
- ISSCC 2017论文导读 Session 14:ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel DVAFS CNN Processor in 28nm
- ISSCC 2017论文导读 Session 14:A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Processor
- ISSCC 2017论文导读 Session 14:A 288μW Programmable Deep-Learning Processor with 270KB On-Chip Weight
- ASPLOS’17论文导读——SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Computing
- FPGA 17最佳论文导读 ESE: Efficient Speech Recognition Engine with Compressed LSTM on FPGA