对抗训练 对抗训练是防御对抗样本攻击的一种方法。将对抗样本和正常样本一起训练是一种有效的正则化，可以提高模型的准确度，同时也能有效降低对抗样本的攻击成功率。不过这种防御也只是针对同样用来产生训练集中的对抗样本的方法。 探索网络对底层任务的理解层次，通过对抗训练减少原有独立同分布的测试集的错误率——在 ...
分类：
其他好文 时间：
2020-06-25 23:23:40
阅读次数：
67
一、安装Spark 1.1 下载并解压 官方下载地址：http://spark.apache.org/downloads.html ，选择 Spark 版本和对应的 Hadoop 版本后再下载： 解压安装包： # tar -zxvf spark-2.2.3-bin-hadoop2.6.tgz 1.2 ...
分类：
其他好文 时间：
2020-06-25 21:47:14
阅读次数：
74
官方示例中有许多很好的例子可以帮助大家理解和学习Halcon，下面举几个经典的斑点分析例子讲解一下 Crystals 图中显示了在高层大气中采集到的晶体样本的图像。任务是分析对象以确定特定形状的频率。重要的对象之一是六角形。 首先，使用read_image从文件中读取图像。由于晶体的对比度相对较低且 ...
分类：
其他好文 时间：
2020-06-25 21:24:02
阅读次数：
54
随机变量和随机过程 随机变量定义： ? 随机变量是对每个实验结果指定一个数值的函数（随机试验E的样本空间S=） 随机过程定义： ? 随机过程是对每个试验结果指定一个时间函数的函数。是t和e的二维函数。 ? 随机过程是样本函数的集合。 其中选定一个时间$t_1$时，$X(t_1,e)$是一个随机变量。 ...
分类：
其他好文 时间：
2020-06-24 19:32:34
阅读次数：
100
深度学习 – 自适应线性单元 如前所述，在 20 世纪 50 年代，感知器 (Rosenblatt, 1956, 1958) 成为第一个能根据每个类别的输入样本来学习权重的模型。约在同一时期，自适应线性单元 (adaptive linearelement, ADALINE) 简单地返回函数 f(x) ...
分类：
其他好文 时间：
2020-06-23 19:17:52
阅读次数：
59
?本本转子现代魔法，全文阅读约4分钟。 http://www.nowamagic.net/librarys/veda/detail/2576 view sourceprint? 1 Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHT ...
分类：
其他好文 时间：
2020-06-21 16:26:19
阅读次数：
115
**#关键 ##SVM SVM是二分类模型，在特征空间需要间隔最大化。可形式化为一个求解凸二次规划问题。 ###优点： 1、可以有效解决高维特征的分类和回归问题 2、无需依赖全体样本，只依赖支持向量 3、有大量的核技巧可以使用，从而可以应对线性不可分 4、样本量中等偏小照样有较好的效果 ###缺点： ...
分类：
其他好文 时间：
2020-06-21 15:45:00
阅读次数：
53
采集到的样本以时间序列的方式保存在内存（TSDB 时序数据库）中，并定时保存到硬盘中 prometheus一般会保留15天 prometheus按照block块的方式来存储数据，每2小时为一个时间单位，首先会存储到内存中，当到达2小时后，会自动写入磁盘中。block的目录结构如下： chunks 多 ...
分类：
其他好文 时间：
2020-06-19 20:42:25
阅读次数：
56
一、精确率与召回率 1、精确率（Presicion） 预测结果为正例样本中真实为正例的比例（查的准）。 2、召回率（Recall） 真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力）。 3、精确率与召回率的理解 混淆矩阵 在分类任务下，预测结果(Predicted Conditio ...
分类：
其他好文 时间：
2020-06-19 00:35:03
阅读次数：
115
该方法属于无监督式的深度学习方法，优点： 1 无需标注 2 只训练正样本 3 可以在CPU下进行训练 4 具有较快的推断速度 适用场景：适合缺陷较为明显的项目 dev_update_off () dev_close_window () set_system ('seed_rand', 25) * * ...
分类：
其他好文 时间：
2020-06-18 12:44:21
阅读次数：
89
