本文从极限入手,一步步讲解到导数、偏导数、梯度,是神经网络反向传播的核心,后续在此基础上进一步展开讲解到泰勒公式,泰勒公式其实就是使用多阶导数去接近原始函数,就是韩式表达式的分解表示,类似与神经网络向不同层进行后向传播

阅读全文 »

RefineNet 是一个采用 encoder-decoder 的语义分割网络,类似于 Unet,频繁采用上采样和跨连接,不同在于 UNet 在上采样后直接和 encoder 的 feature map 进行级联,RefineNet 上采样后把 encoder 产生的 feature 和上一阶段 decoder 的输出同时作为输入

阅读全文 »

本文介绍连续型随机分布,表示一个区间内的事件的概率,需要记住的只有连续型均匀分布、正太分布

阅读全文 »

假设建议是根据现有试验,推断出其满足的分布,一般是假设试验满足分布,然后在置信度区域内计算随机变量,如何随机变量出现在该置信度接受区域内,则接受假设,否则拒绝假设

阅读全文 »

本文讲了几个离散型分布,表示有限事件发生的概率,日常使用记住这 3 个即可伯努力分布 (2 点分布)、均匀分布、正太分布

阅读全文 »

本文分为两部分,第一部分先从随机变量讲起,然后讲解概率分布、概率质量、概率密度函数,尤其需要把握的是先验概率、后验概率、条件概率、全概率以及贝叶斯定理。第二部分讲解随机变量距离的计算方式

阅读全文 »