Using subgradient method to solve lasso problem The problem is to solve: $$\underset{\beta}{\operatorname{minimize}}\left\{\frac{1}{2 N} \sum_{i=1}^{N ...
分类：
其他好文 时间：
2020-05-10 19:25:21
阅读次数：
167
图像角点检测 一．关于角点的具体描述可以有几种： （1）、一阶导数(即灰度的梯度）的局部最大所对应的像素点； （2）、两条及两条以上边缘的交点； （3）、图像中梯度值和梯度方向的变化速率都很高的点； （4）、角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。 二．近年来提出的角点检测 ...
分类：
其他好文 时间：
2020-05-09 20:35:49
阅读次数：
137
之前证明了整个回归方程,或者说梯度下降法的表达式, 现在来看看计量经济学里的回归表达式 y=ax+b, 出于对关系的不确定, 在计量经济学里,式子多了一个u作为随机干扰项 干扰项 u 我们认为是不可观测的值 我自己的理解是这样_不是很严谨的粗糙理解: y=ax+b+u,我们改写成 y-u=ax+b, ...
分类：
其他好文 时间：
2020-05-07 09:20:29
阅读次数：
161
from PIL import Image import numpy as np a = np.asarray(Image.open('C:\\Users\\huanghy\\Desktop\\微信图片_20200425024250.png').convert("L")).astype("float ...
分类：
编程语言 时间：
2020-05-06 19:42:54
阅读次数：
77
PHP验证码识别实例 验证码识别实例，识别的过程包括对图像的二值化、降噪、补偿、切割、倾斜矫正、建库、匹配，最后会提供实例代码，能够直接运行识别。 简述 要识别的验证码相对比较简单，没有粘连字符，但是会有几种不同程度的字体加粗，以及大约 度的倾斜，还有字符的个数会在 个之间变化，相对来说还是使用 进 ...
分类：
Web程序 时间：
2020-05-04 21:43:40
阅读次数：
102
腐蚀与膨胀 膨胀（求局部最大值）（dilate函数） 1 #include <opencv2/core/core.hpp> 2 #include <opencv2/highgui/highgui.hpp> 3 #include <opencv2/imgproc/imgproc.hpp> 4 #inc ...
分类：
其他好文 时间：
2020-05-03 16:12:56
阅读次数：
116
1 // 【头文件包含部分】 2 // 描述：包含程序所依赖的头文件 3 // 4 #include <opencv2/opencv.hpp> 5 #include<opencv2/highgui/highgui.hpp> 6 #include<opencv2/imgproc/imgproc.hpp ...
分类：
其他好文 时间：
2020-05-03 15:04:03
阅读次数：
55
One-hot编码 整合成一个稀疏矩阵，那问题来了，稀疏矩阵（二维）和列表（一维）相比，有什么优势？ 很明显，计算简单嘛，稀疏矩阵做矩阵计算的时候，只需要把1对应位置的数相乘求和就行，也许你心算都能算出来；而一维列表，你能很快算出来？何况这个列表还是一行，如果是100行、1000行和或1000列呢？ ...
分类：
其他好文 时间：
2020-05-03 11:02:51
阅读次数：
61
深度学习中有众多有效的优化函数，比如应用最广泛的SGD，Adam等等，而它们有什么区别，各有什么特征呢？下面就来详细解读一下 一、先来看看有哪些优化函数 BGD 批量梯度下降 所谓的梯度下降方法是无约束条件中最常用的方法。假设f(x)是具有一阶连续偏导的函数，现在的目标是要求取最小的f(x) : m ...
分类：
其他好文 时间：
2020-05-03 10:58:21
阅读次数：
56
一：为什么需要神经网络 （一）案例 为了很好的拟合数据，我们需要保留较多的相关参数，虽然可以使用正则化进行优化。但是无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。 之前我们已经看到过，使用非线性的多项式项，能够帮助我们建立更好的分类模型。假设我们有非常多的特征，例 ...
分类：
其他好文 时间：
2020-05-02 22:37:21
阅读次数：
208
