一、NMS是什么？NMS（non maximum suppression）即非极大值抑制，广泛应用于传统的特征提取和深度学习的目标检测算法中。NMS原理是通过筛选出局部极大值得到最优解。 在2维边缘提取中体现在提取边缘轮廓后将一些梯度方向变化率较小的点筛选掉，避免造成干扰。 在三维关键点检测中也起到重要作用，筛选掉特征中非局部极值。 在目标检测方面如Yolo和RCNN等模型中均有使用，可以将较小分
转载
2024-04-02 11:50:30
44阅读
评价神经网络好坏的一个重要一句就是： 以最少的代价使神经网络获得最好的准确率。关于特征：特征就是对己而言，特征是某些突出性质的表现，于他而言，特征是区分事物的关键，所以，当我们要对事物进行类或者识别，我们实际上就是提取‘特征’，通过特征的表现进行判断。
特征选择（feature selection）：：特征选择的本质是对一个给定特征子集的优良性通过一个特定的评价标准进行衡量，通过特征选择，原始特征
转载
2023-08-08 13:14:26
281阅读
1.定义： 设A是n阶矩阵，如果数λ和n维非零向量x使关系式(1)成立，那么，这样的数λ称为矩阵A的特征值，非零向量x称为A的对应于特征值λ的特征向量（1）式还可以写为：（2）如果想求出矩阵对应的特征值和特征向量就是求式（2）的解了2.特征值和特征向量的相关函数（1）eig(A)：求包含矩阵A的特征值的向量>> A=[3 -1;-1 3];
eig(A)%求包含矩阵A的特征值的向量
转载
2023-09-21 20:42:56
155阅读
文章目录 1. 特征选择问题2. 二进制粒子群算法3. 广义回归神经网络（GRNN）分类4. 部分代码展示5. 仿真结果展示6. 资源获取 1. 特征选择问题特征选择是指从原始数据中选择最具有代表性和有用性的特征，以用于建模和预测任务。它是机器学习和数据挖掘中的重要步骤，可以提高模型的性能和解释能力，并降低计算成本和过拟合的风险。特征选择的方法可以分为三大类：过滤方法（Filter method
转载
2023-12-18 20:34:23
166阅读
先来复习下上篇笔记的激活函数，其作用，可以理解为每个网络之间的处理器，但它归属于上一个网络，从上一个网络出来，做一下处理，然后再将输出的数据传到下一个网络或者输出。作用：提供非线性能力，增加运算简单度，增强鲁棒性（也就是神经网络系统稳定性）。性质：处处可微分，定义域为负无穷到正无穷， 值域在（-1，1）之间比如（0,1）（-1，1）。函数：sigmoid函数，tanh函数，Relu函数，Leaky
转载
2023-11-07 06:33:35
59阅读
导读表征学习的目标是从数据中提取足够但最少的信息。传统上，该目标可以通过先验知识以及基于数据和任务的领域专业知识来实现，这也被称为特征工程。特征工程是利用人类的现有知识的一种方式，旨在从数据中提取并获得用于机器学习任务的判别信息（比如从音频中通过傅立叶变换提取出mel频谱）。特征工程的缺点：需要领域专家的密集劳动，这是因为特征工程可能需要模型开发者和领域专家之间紧密而广泛的合作。不完整的和带有偏见
转载
2023-09-06 18:50:59
97阅读
简介和综述 这篇论文对于裁剪部分写的很详细，同时综述也不错。这篇博客只是将论文翻译了一下(大部分机翻)。为了减少深度卷积神经网络（CNN）中的显着冗余，大多数现有方法仅通过考虑单个层或两个连续层的统计来修剪神经元（例如，修剪一个层以最小化下一层的重建误差），忽略深度网络中误差传播的影响。 相反，我们认为必须根据统一的目标联合修剪整个神经元网络中的神经元：最小化“最终响应层”（FRL）中重要响应的重
转载
2024-01-16 15:51:30
97阅读
运行源代码戳这里?：轴承异常检测简介轴承是在机械设备中具有广泛应用的关键部件之一。由于过载，疲劳，磨损，腐蚀等原因，轴承在机器操作过程中容易损坏。事实上，超过50％的旋转机器故障与轴承故障有关。实际上，滚动轴承故障可能导致设备剧烈摇晃，设备停机，停止生产，甚至造成人员伤亡。一般来说，早期的轴承弱故障是复杂的，难以检测。因此，轴承状态的监测和分析非常重要，它可以发现轴承的早期弱故障，防止故障造成损失
转载
2023-10-22 10:24:35
181阅读
人工神经网络是由人工建立的有以有向图为拓扑结构的动态系统，它通过对连续断续的输入状态响应而进行信息处理. 神经元作为神经网络信息处理的基本单位，模拟生物神经元传递信息，具有多输入单输出非线性特性。神经网络是由简单的信息处理单元组成的巨量并行处理、平行计算、分布式存储的处理器，具有存储经验知识并利用有用知识处理问题的功能，可以把神经网络看作是一个自适应系统。神经网络特点1、
转载
2023-09-25 18:25:50
71阅读
视频是唐宇迪博士讲解的，但是这个up主发的有一种东拼西凑的感觉，给人感觉不是很完整一、卷积神经网络（优势：计算机视觉） 1、卷积的作用：特征提取，本质就是提取卷积核那个大小区域中的特征值2、利用不同的卷积核对同一数据进行提取，可以得到多维度的特征图，丰富特征内容3、边缘填充（padding）可以解决边缘特征在提取时权重不高的问题4、卷积的结果公式：
转载
2023-12-07 13:43:00
211阅读
提取数据特征值的bp神经网络实现流程
---
为了帮助刚入行的小白实现"提取数据特征值bp神经网络"，我将为他提供一个详细的实现流程，并提供每一步所需的代码和注释。让我们开始吧！
## 流程步骤
以下表格展示了实现"提取数据特征值bp神经网络"的步骤。
| 步骤 | 描述 |
|---|---|
| 1 | 数据预处理 |
| 2 | 特征工程 |
| 3 | 构建bp神经网络 |
| 4
原创
2023-11-24 06:28:50
163阅读
## **GAT图神经网络特征值过大**
### 1. 引言
图神经网络（Graph Neural Network，简称GNN）是近年来兴起的一种深度学习方法，用于处理图数据。与传统的神经网络不同，GNN能够对节点和边之间的关系进行建模，从而实现对图数据进行学习和预测。其中，GAT图神经网络（Graph Attention Network，简称GAT）是GNN的一种变体，通过注意力机制来对节点进
原创
2023-09-08 05:43:58
231阅读
用特征迭代次数的方法构造神经网络的光谱，网络结构是(mnist 2 ,mnist x)81-30-2-(1,0) || (0,1)将28*28的图片压缩到9*9，三层网络的节点数量分别是81*30*2，让2向（1，0）收敛让x向（0，1）收敛，让x分别等于3-9.网络的迭代停止的标准是|输出函数-目标函数|<δ让δ=1e-6，重复收敛999次，统计平均值和分布，然后用得到的迭代次数的分布数据
转载
2023-12-06 18:36:41
43阅读
神经网络一、非线性假设对于之前的线性回归等，一般特征数比较有限，可能只有几个，但是对于神经网络来说，特征数可能有上百万个。比如一副50 * 50的RGB图像，它的像素点有50 * 50 * 3 个，这些都是特征值。因此用线性回归、Logistic回归并不能很好的解决这样的问题，因为特征太多了。 因此采用神经网络，可以很好的应对这些特征很多的特征空间。二、神经元以下是一个神经元的基本结构： 在这幅图
转载
2023-10-26 11:34:47
170阅读
1、原理 PNN，全称为Product-based Neural Network，认为在embedding输入到MLP（多层感知机，即神经网络）之后学习的交叉特征表达并不充分，提出了一种product layer的思想，既基于乘法的运算来体现体征交叉的DNN网络结构，如下图：按照论文的思路，我们也从上往下来看这个网络结构：输出层 输出层很简单，将上一层的网络输出通过一个全链接层，经过sigmoid
转载
2023-05-24 13:47:48
424阅读
深度学习是近几年人工智能领域的核心技术，随着它的不断深入发展，才有了人工智能今天的崛起和落地应用。谈到深度学习，就不得不提图神经网络(GNN)，毕竟图神经网络正是深度学习技术的根本和基础。下面我将用三分钟带你解读图神经网络，主要内容包括图神经网络的定义、兴起和用途。什么是图神经网络?1、图神经网络的定义近些年来，图神经网络的兴起与用途成功推动了人工智能在模式识别和数据挖掘的研究。GNN全名图神经网
转载
2023-10-25 17:42:19
49阅读
深度学习——神经网络之DNN全连接神经网络、BP算法原理深度学习——神经网络之DNN全连接神经网络、BP算法原理1、啥是人工神经网络2、神经网络的应用3、神经网络的组成3.1、神经元3.2、激活函数3、神经网络之感知器4、神经网络之线性神经网络5、神经网络之深度神经网络6、神经网络直观理解之非线性可分7、神经网络之BP算法8、BP算法例子8.1 前馈传播过程8.2、反向传播8.3、梯度更新9、B
转载
2023-10-19 15:19:50
83阅读
PNN，Probabilistic Neural Networks，即概率神经网络[43~45]是一种基于贝叶斯决策规则的神经网络技术，其神经网
原创
2022-10-10 15:59:46
672阅读
1、概率神经网络概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。概率神经网络一般有以下四层：输入层、模式层、求和层和输出层。有的资料中也把模式层称为隐
转载
2023-09-19 10:54:23
278阅读
# PNN神经网络：MATLAB实现
## 简介
概率神经网络（Probabilistic Neural Network，PNN）是一种基于贝叶斯理论的前向传播网络模型。PNN因其高效率和精确性而受到广泛关注，并在模式识别、分类和预测等领域取得了成功。本文将介绍PNN的工作原理，并提供MATLAB实现的代码示例。
## 工作原理
PNN的工作原理可以分为训练和测试两个阶段。在训练阶段，PNN通
原创
2023-08-12 08:03:45
164阅读
