今天看了Python语言写的使用SVM中的SMO进行优化，使用RBF函数进行手写体识别，下面简单整理一下整个过程及思路，然后详细介绍各个部分。(1)获取训练数据集trainingMat和labelMat；(2)利用SMO进行优化获得优化参数alphas和b，这一步即是进行训练获得最优参数(3)使用a...
分类：
编程语言 时间：
2014-10-26 00:22:49
阅读次数：
966
基于自动编码机（autoencoder）,这里网络的层次结构为一个输入层，两个隐层，后面再跟着一个softmax分类器:采用贪婪算法，首先把input和feature1看作一个自动编码机，训练出二者之间的参数，然后用feature1层的激活值作为输出，输入到feature2,即把feature1和f...
分类：
其他好文 时间：
2014-10-23 12:15:03
阅读次数：
137
在之前的章节中，我们已经很好地解决了手写体识别问题（维数为28*28）。但如果是更大的图像（维数为96*96）呢？如果你还是要学习400个特征，那么网络权重参数就有400*96*96即近400万个。
卷积特征提取
如果我们从大型彩色图像（64*64*3）中随机抽取一些小patch（8*8），学到了一些特征，然后用这些特作为滤波器去扫过整张大图，即逐行逐列做卷积。这样做可以大幅减小网...
分类：
其他好文 时间：
2014-08-18 18:41:59
阅读次数：
820
