来源书籍
机器学习基础
章节与卡片
01 数据与机器学习
11 张卡片
02 数据可视化
10 张卡片
- 视觉邻近帮助识别模式 理解等级:初级 普通读书笔记卡
- 饼柱折线的选择 理解等级:初级 普通读书笔记卡
- 玫瑰图的双重编码 理解等级:中级 普通读书笔记卡
- 雷达图看属性轮廓 理解等级:高级 普通读书笔记卡
- 平行坐标保留属性路径 理解等级:中级 普通读书笔记卡
- 桑基图追踪分流 理解等级:中级 普通读书笔记卡
- 弦图呈现双向往来 理解等级:中级 普通读书笔记卡
- 散点图展示空间分布 理解等级:初级 普通读书笔记卡
- 视觉线索突出对象 理解等级:初级 普通读书笔记卡
- 旭日图兼顾层次和份额 理解等级:中级 普通读书笔记卡
03 图像特征提取
8 张卡片
- 固定长度使图像可比 理解等级:中级 普通读书笔记卡
- 采样与量化控制不同信息 理解等级:初级 普通读书笔记卡
- LBP编码并统计纹理 理解等级:中级 普通读书笔记卡
- LBP丢失亮度差幅度 理解等级:高级 普通读书笔记卡
- RGB和HSV的坐标含义 理解等级:初级 普通读书笔记卡
- 颜色量化压缩直方图 理解等级:中级 普通读书笔记卡
- 混合进制给颜色编号 理解等级:中级 普通读书笔记卡
- 全局颜色统计丢失位置 理解等级:高级 普通读书笔记卡
04 数据分类
8 张卡片
- 训练用标签测试用答案 理解等级:初级 普通读书笔记卡
- KNN用邻居标签投票 理解等级:中级 普通读书笔记卡
- 距离定义左右近邻 理解等级:高级 普通读书笔记卡
- 近邻法把计算留给查询 理解等级:高级 普通读书笔记卡
- 混淆矩阵拆解错误 理解等级:中级 普通读书笔记卡
- 固定数量与半径邻域 理解等级:中级 普通读书笔记卡
- 多类奇数票仍可能平票 理解等级:初级 普通读书笔记卡
- 独热编码去掉人为顺序 理解等级:初级 普通读书笔记卡
05 K-means聚类
11 张卡片
- 聚类簇编号没有类义 理解等级:初级 普通读书笔记卡
- 汉明距离数属性差异 理解等级:中级 普通读书笔记卡
- 闵可夫斯基距离的阶数 理解等级:中级 普通读书笔记卡
- K-means交替更新 理解等级:中级 结构图卡
- K-means的局部最优 理解等级:高级 普通读书笔记卡
- 最近中心划分的形状 理解等级:高级 普通读书笔记卡
- K-medoids用真实代表 理解等级:高级 普通读书笔记卡
- 簇内紧致与簇间分离 理解等级:高级 普通读书笔记卡
- BH按簇平均离散 理解等级:高级 普通读书笔记卡
- Rand与Jaccard配对 理解等级:中级 普通读书笔记卡
- 视觉词袋用中心作码本 理解等级:中级 普通读书笔记卡
07 线性回归与正则化
6 张卡片
- 回归最小化预测残差 理解等级:中级 普通读书笔记卡
- MSE与MAE的异常点权衡 理解等级:中级 普通读书笔记卡
- 最小二乘是正交投影 理解等级:高级 普通读书笔记卡
- 岭回归稳定病态拟合 理解等级:高级 普通读书笔记卡
- Lasso产生稀疏系数 理解等级:高级 普通读书笔记卡
- R²衡量相对误差 理解等级:高级 普通读书笔记卡
08 逻辑回归
4 张卡片
- 逻辑回归拟合对数胜算 理解等级:中级 普通读书笔记卡
- 交叉熵来自伯努利似然 理解等级:中级 普通读书笔记卡
- 交叉熵简化输出梯度 理解等级:高级 普通读书笔记卡
- Softmax统一分配类别概率 理解等级:中级 普通读书笔记卡
09 线性降维
5 张卡片
- 特征选择保留原属性 理解等级:中级 普通读书笔记卡
- PCA用奇异值挑方向 理解等级:中级 普通读书笔记卡
- 最大投影等价最小重构 理解等级:高级 普通读书笔记卡
- 协方差决定主成分 理解等级:中级 普通读书笔记卡
- 异常点能扭转PCA方向 理解等级:高级 普通读书笔记卡
10 非线性降维及其应用
5 张卡片
- 流形区分内在维数 理解等级:初级 普通读书笔记卡
- LLE先求权重再求坐标 理解等级:高级 结构图卡
- 邻居过多会跨层短路 理解等级:高级 普通读书笔记卡
- LE用边权保留近邻 理解等级:高级 普通读书笔记卡
- 谱聚类利用图连通性 理解等级:中级 普通读书笔记卡
11 核函数及其应用
5 张卡片
- 升维让弯曲边界线性化 理解等级:中级 普通读书笔记卡
- 核技巧只计算内积 理解等级:中级 普通读书笔记卡
- 半正定核的闭合性质 理解等级:高级 普通读书笔记卡
- 核回归用Gram矩阵 理解等级:高级 普通读书笔记卡
- 核PCA对Gram双中心化 理解等级:高级 普通读书笔记卡
12 神经网络基础
8 张卡片
- 线性层叠加仍可合并 理解等级:中级 普通读书笔记卡
- 激活函数影响梯度 理解等级:中级 普通读书笔记卡
- 感知机按超平面分两类 理解等级:初级 普通读书笔记卡
- 隐藏层构造异或表示 理解等级:中级 普通读书笔记卡
- 前馈与反馈的区别 理解等级:初级 普通读书笔记卡
- LMS按预测残差更新 理解等级:中级 普通读书笔记卡
- 竞争学习移动胜者 理解等级:中级 普通读书笔记卡
- 自编码器用重构学习 理解等级:中级 结构图卡
13 反向传播神经网络
4 张卡片
- 梯度下降依赖步长 理解等级:中级 普通读书笔记卡
- 小批量估计训练梯度 理解等级:中级 普通读书笔记卡
- 反向传播复用误差信号 理解等级:高级 结构图卡
- 梯度消失拖慢早期层 理解等级:高级 普通读书笔记卡
14 深度神经网络
8 张卡片
- 端到端学习任务特征 理解等级:中级 普通读书笔记卡
- 卷积用共享模板扫窗口 理解等级:中级 普通读书笔记卡
- 最大与平均池化 理解等级:中级 普通读书笔记卡
- AlexNet用增强与失活 理解等级:中级 普通读书笔记卡
- VGG叠小核扩感受野 理解等级:高级 普通读书笔记卡
- Inception并行看多尺度 理解等级:高级 普通读书笔记卡
- ResNet给梯度捷径 理解等级:高级 普通读书笔记卡
- SE按输入调整通道权重 理解等级:中级 普通读书笔记卡
全书概览
机器学习基础
执行模式:light
Skill 版本:v24
建档进度:done
评级:经典原理。信息浓度高,稳定性高。K-means交替优化、最小二乘几何、PCA的等价目标及反向传播等内容解释了模型为何有效与何时失效。主体以稳定的模型原理为主。
阅读笔记
章节进度追踪表
| 章节号 | 章节标题 | 状态(pending/done) | 卡片数 |
|---|---|---|---|
| 00 | 前言 | done | 0 |
| 01 | 数据与机器学习 | done | 0 |
| 01-04 | 1.1 数据 | done | 2 |
| 01-05 | 1.2 机器学习的任务 | done | 2 |
| 01-06 | 1.3 机器学习的场景 | done | 3 |
| 01-07 | 1.4 数据预处理 | done | 3 |
| 01-08 | 1.5 机器学习模型的评价指标 | done | 1 |
| 01-09 | 1.6 本书的主要内容框架 | done | 0 |
| 01-10 | 1.7 参考文献 | done | 0 |
| 01-11 | 1.8 习题 | done | 0 |
| 02 | 数据可视化 | done | 1 |
| 02-13 | 2.1 基本类型 | done | 7 |
| 02-14 | 2.2 基本构成元素和设计思路 | done | 2 |
| 02-15 | 2.3 参考文献 | done | 0 |
| 02-16 | 2.4 习题 | done | 0 |
| 03 | 图像特征提取 | done | 1 |
| 03-18 | 3.1 灰度图像 | done | 1 |
| 03-19 | 3.2 LBP | done | 2 |
| 03-20 | 3.3 颜色特征提取 | done | 2 |
| 03-21 | 3.4 HSV特征提取 | done | 1 |
| 03-22 | 3.5 拓展知识点 | done | 1 |
| 03-23 | 3.6 参考文献 | done | 0 |
| 03-24 | 3.7 习题 | done | 0 |
| 04 | 数据分类 | done | 0 |
| 04-26 | 4.1 分类 | done | 1 |
| 04-27 | 4.2 KNN分类 | done | 3 |
| 04-28 | 4.3 分类结果的评价指标 | done | 1 |
| 04-29 | 4.4 拓展知识点 | done | 3 |
| 04-30 | 4.5 参考文献 | done | 0 |
| 04-31 | 4.6 习题 | done | 0 |
| 05 | K-means聚类 | done | 0 |
| 05-33 | 5.1 聚类问题的阐述 | done | 1 |
| 05-34 | 5.2 K-means算法的基本原理 | done | 6 |
| 05-35 | 5.3 聚类结果的评价指标 | done | 3 |
| 05-36 | 5.4 拓展知识点:K-means算法的应用 | done | 1 |
| 05-37 | 5.5 参考文献 | done | 0 |
| 05-38 | 5.6 习题 | done | 0 |
| 06 | 综合应用案例 | done | 1 |
| 06-40 | 6.1 聚类与人机交互的数据可视化 | done | 1 |
| 06-41 | 6.2 K-means聚类的交互数据可视化设计要点 | done | 0 |
| 06-42 | 6.3 参考文献 | done | 0 |
| 06-43 | 6.4 习题 | done | 0 |
| 07 | 线性回归与正则化 | done | 0 |
| 07-45 | 7.1 线性回归的问题定义 | done | 1 |
| 07-46 | 7.2 线性回归的求解 | done | 2 |
| 07-47 | 7.3 正则化线性回归 | done | 2 |
| 07-48 | 7.4 R2度量 | done | 1 |
| 07-49 | 7.5 参考文献 | done | 0 |
| 07-50 | 7.6 习题 | done | 0 |
| 08 | 逻辑回归 | done | 0 |
| 08-52 | 8.1 逻辑回归模型 | done | 3 |
| 08-53 | 8.2 多分类的Softmax回归模型 | done | 1 |
| 08-54 | 8.3 参考文献 | done | 0 |
| 08-55 | 8.4 习题 | done | 0 |
| 09 | 线性降维 | done | 0 |
| 09-57 | 9.1 特征选择与特征提取 | done | 1 |
| 09-58 | 9.2 度量视角的PCA | done | 1 |
| 09-59 | 9.3 信息视角的PCA | done | 1 |
| 09-60 | 9.4 概率统计视角的PCA | done | 2 |
| 09-61 | 9.5 参考文献 | done | 0 |
| 09-62 | 9.6 习题 | done | 0 |
| 10 | 非线性降维及其应用 | done | 1 |
| 10-64 | 10.1 局部线性嵌入 | done | 2 |
| 10-65 | 10.2 拉普拉斯特征映射 | done | 1 |
| 10-66 | 10.3 LE的相关应用 | done | 1 |
| 10-67 | 10.4 降维方法的思维拓展 | done | 0 |
| 10-68 | 10.5 参考文献 | done | 0 |
| 10-69 | 10.6 习题 | done | 0 |
| 11 | 核函数及其应用 | done | 0 |
| 11-71 | 11.1 线性可分与高维映射 | done | 1 |
| 11-72 | 11.2 核函数 | done | 2 |
| 11-73 | 11.3 核回归 | done | 1 |
| 11-74 | 11.4 核PCA | done | 1 |
| 11-75 | 11.5 拓展知识点 | done | 0 |
| 11-76 | 11.6 参考文献 | done | 0 |
| 11-77 | 11.7 习题 | done | 0 |
| 12 | 神经网络基础 | done | 0 |
| 12-79 | 12.1 神经元模型 | done | 4 |
| 12-80 | 12.2 神经网络 | done | 4 |
| 12-81 | 12.3 参考文献 | done | 0 |
| 12-82 | 12.4 习题 | done | 0 |
| 13 | 反向传播神经网络 | done | 0 |
| 13-84 | 13.1 梯度下降法 | done | 1 |
| 13-85 | 13.2 随机梯度下降法 | done | 1 |
| 13-86 | 13.3 反向传播 | done | 1 |
| 13-87 | 13.4 梯度消失 | done | 1 |
| 13-88 | 13.5 参考文献 | done | 0 |
| 13-89 | 13.6 习题 | done | 0 |
| 14 | 深度神经网络 | done | 0 |
| 14-91 | 14.1 “深度”的意义 | done | 1 |
| 14-92 | 14.2 卷积神经网络的基本操作 | done | 2 |
| 14-93 | 14.3 经典卷积神经网络 | done | 5 |
| 14-94 | 14.4 参考文献 | done | 0 |
| 14-95 | 14.5 习题 | done | 0 |
非正文排除
| spine项 | 类型 | 排除理由 |
|---|---|---|
| titlepage.xhtml | 封面 | 封面图与版式,无教学正文 |
| EPUB/xhtml/chapter1.xhtml | 内容简介 | 读者对象、教学资源和全书范围说明,保留实质性前言另读 |
待关联术语
| 术语名 | 出现章节 | 一句话语境 |
|---|
| SIFT | 03-22 | 用作局部尺度不变特征的例子,正文未展开关键点检测和描述子的计算。 | | HOG | 03-22 | 举作局部直方图识别的例子,未展开方向梯度统计。 | | 近似最近邻 | 04-27 | 作为高维检索加速方向提及,未展开实现。 | | Segment Anything | 05-36 | 仅作为图像分割例子提名。 | | Mean Shift | 05-36 | 仅指向历史及引用,未给机制。 | | 最小角回归 | 07-47 | 列为Lasso求解方法,未介绍步骤。 | | ArcFace | 08-53 | 作为带间隔的Softmax改进方向引用,未说明训练细节。 | | CosFace | 08-53 | 作为带间隔的Softmax改进方向引用,未说明训练细节。 | | 增量PCA | 09-60 | 作为大样本处理方向提及,未给计算流程。 | | Isomap | 10-67 | 仅列为其他经典非线性降维方法。 | | 局部切空间排列 | 10-67 | 仅列为其他经典非线性降维方法。 | | 显式核映射 | 11-75 | 列为简化算法改造的方向,未展开具体近似。 | | Hopfield网络 | 12-80 | 作为有反馈结构的例子,未展开状态更新。 | | RVFL | 12-80 | 作为随机输入层权重的非反向传播网络提及,未推导。 | | 批量归一化 | 13-87 | 作为改善训练的方式介绍动机,未推导训练与推理步骤。 | | 梯度爆炸 | 13-87 | 只指出有相反现象,未展开机制。 |
引用文献
| 标题 | 类型 | 出现章节 | 一句话语境 |
|---|
| The manifold ways of perception | 论文 | 01-10 | 本节列出流形感知、弱监督图像分类、迁移学习、卷积填补缺失和矩阵求导的来源。 | | Weakly supervised image classification through noise regularization | 论文 | 01-10 | 本节列出流形感知、弱监督图像分类、迁移学习、卷积填补缺失和矩阵求导的来源。 | | A survey on transfer learning | 论文 | 01-10 | 本节列出流形感知、弱监督图像分类、迁移学习、卷积填补缺失和矩阵求导的来源。 | | Handling missing data through deep convolutional neural network | 论文 | 01-10 | 本节列出流形感知、弱监督图像分类、迁移学习、卷积填补缺失和矩阵求导的来源。 | | The matrix cookbook | 论文 | 01-10 | 本节列出流形感知、弱监督图像分类、迁移学习、卷积填补缺失和矩阵求导的来源。 | | Visualize this: the flowingdata guide to design, visualization,and statistics | 书 | 02-15 | 本节列出可视化设计、格式塔心理学与视觉线索的来源。 | | Principles of gestalt psychology | 书 | 02-15 | 本节列出可视化设计、格式塔心理学与视觉线索的来源。 | | Internal and external visual cue preferences for visualizations in presentations | 论文 | 02-15 | 本节列出可视化设计、格式塔心理学与视觉线索的来源。 | | Research and perspective on local binary pattern | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | RLBP:Robust local binary pattern | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Description of interest regions with local binary patterns | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Enhanced local texture feature sets for face recognition under difficult lighting conditions | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Local binary patterns and its application to facial image analysis: a survey | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Image analysis with local binary patterns | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Face recognition using local binary patterns (LBP) | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Hvi: A new color space for low-light image enhancement | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Packing and padding: coupled multi-index for accurate image retrieval | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Orientation histograms for hand gesture recognition | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Distinctive image features from scale-invariant keypoints | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Histograms of oriented gradients for human detection | 论文 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Digital Image Processing | 书 | 03-23 | 参考文献指向局部二值模式及其变体、颜色空间、图像检索、局部特征与数字图像处理。 | | Discriminatory analysis-nonparametric discrimination | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | Nearest neighbor pattern classification | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | KNN classifier with self adjusting memory for heterogeneous concept drift | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | An algorithm for finding best matches in logarithmic expected time | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | Approximate nearest neighbor queries in fixed dimensions | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | When is”nearest neighbor”meaningful? | 论文 | 04-30 | 本节列出早期近邻分类、概念漂移、自适应记忆、KD树、近似近邻和高维下近邻有效性等引用。 | | Deep learning | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Some methods for classification and analysis of multivariate observations | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | How fast is the k-means method? | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | A density-based algorithm for discovering clusters in large spatial databases with noise | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Clustering by passing messages between data points | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | K-means++:the advantages of careful seeding | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Extended multivariate comparison of 68 cluster validity indices. A review | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | A validity measure for fuzzy clustering | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Mean shift, mode seeking, and clustering | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Deep clustering for unsupervised learning of visual features | 论文 | 05-37 | 本节列出K-means、初始化、聚类验证、密度聚类、仿射传播、均值漂移和深度聚类等来源。 | | Human-in-the-loop machine learning: active learning and annotation for human-centered AI | 书 | 06-42 | 本节给出人在环机器学习的延伸书目。 | | Regression towards mediocrity in hereditary stature | 论文 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | Note on regression and inheritance in the case of two parents | 论文 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | Notes on the history of correlation | 论文 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | 线性统计模型:线性回归与方差分析 | 书 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | Regression shrinkage and selection via the lasso | 论文 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | Least angle regression | 论文 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | Applied machine learning | 书 | 07-49 | 本节列出回归历史、线性统计模型、Lasso、最小角回归和应用机器学习。 | | The regression analysis of binary sequences | 论文 | 08-54 | 本节列出二元序列回归及两种人脸识别损失的论文。 | | Arcface: Additive angular margin loss for deep face recognition | 论文 | 08-54 | 本节列出二元序列回归及两种人脸识别损失的论文。 | | Cosface: Large margin cosine loss for deep face recognition | 论文 | 08-54 | 本节列出二元序列回归及两种人脸识别损失的论文。 | | Visualizing data using t-SNE | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | UMAP:uniform manifold approximation and projection for dimension reduction | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | On lines and planes of closest fit to systems of point in space | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | Analysis of a complex of statistical variables into principal components | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | Principal component analysis | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | Principal component analysis: a review and recent developments | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | Locally principal component learning for face representation and recognition | 论文 | 09-61 | 本节列出PCA早期工作、综述、局部PCA,以及t-SNE与UMAP等可视化方法的论文。 | | The manifold ways of perception | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Nonlinear dimensionality reduction by locally linear embedding | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Locally linear embedding: a survey | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Hierarchical neighbors embedding | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Laplacian eigenmaps for dimensionality reduction and data representation | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | A global geometric framework for nonlinear dimensionality reduction | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Principal manifolds and nonlinear dimensionality reduction via tangent space alignment | 论文 | 10-68 | 本节列出流形感知、LLE与LE原始工作、邻域选择变体、Isomap和局部切空间排列。 | | Functions of positive and negative type and their connection with the theory of integral equations | 论文 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | Theoretical foundations of the potential function method in pattern recognition learning | 论文 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | The nature of statistical learning theory | 书 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | 机器学习 | 书 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | Kernel methods for pattern analysis | 书 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | Kernel principal component analysis and its applications in face recognition and active shape models | 论文 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | Efficient additive kernels via explicit feature maps | 论文 | 11-76 | 本节列出Mercer核、统计学习、核回归与核PCA、显式特征近似等来源。 | | A logical calculus of the ideas immanent in nervous activity | 论文 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | The perceptron: A probabilistic model for information storage and organization in the brain | 论文 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | 深入浅出神经网络与深度学习 | 书 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | Pattern classification | 书 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | Neural networks and learning machines | 书 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | Functional-link net computing: theory, system architecture, and functionalities | 论文 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | 神经网络与深度学习 | 书 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | 人工神经网络基础 | 书 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | Broad learning system: An effective and efficient incremental learning system without the need for deep architecture | 论文 | 12-81 | 本节列出人工神经元、感知机、神经网络教材、随机连接网络和宽度学习研究。 | | Learning representations by back-propagating errors | 论文 | 13-88 | 本节列出反向传播、神经网络设计、ReLU和批量归一化等参考。 | | Neural network design | 书 | 13-88 | 本节列出反向传播、神经网络设计、ReLU和批量归一化等参考。 | | 深入浅出神经网络与深度学习 | 书 | 13-88 | 本节列出反向传播、神经网络设计、ReLU和批量归一化等参考。 | | Digital selection and analogue amplification coexist in a cortex-inspired silicon circuit | 论文 | 13-88 | 本节列出反向传播、神经网络设计、ReLU和批量归一化等参考。 | | Batch Normalization: Accelerating deep network training by reducing internal covariate shift | 论文 | 13-88 | 本节列出反向传播、神经网络设计、ReLU和批量归一化等参考。 | | NEOCOGNITRON:A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Backpropagation applied to handwritten zip code recognition | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Imagenet classification with deep convolutional neural networks | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Batch normalization: Accelerating deep network training by reducing internal covariate shift | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Very deep convolutional networks for large-scale image recognition | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Going deeper with convolutions | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Deep residual learning for image recognition | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 | | Squeeze-and-excitation networks | 论文 | 14-94 | 本节列出CNN早期研究以及AlexNet、VGG、GoogLeNet、ResNet、SENet和批量归一化论文。 |
资金安全问题案例
| 问题标题 | 问题卡 | 解决方案卡 | 出现章节 | 一句话说明 |
|---|
实践卡进度
| 序号 | 实践标题 | 实践方式 | 状态(pending/done) | 关联章节 | 产出 |
|---|---|---|---|---|---|
| 001 | 追踪K-means迭代 | 实现深读 | done | 第5章 K-means聚类 | 实践卡及首轮源码映射 |
| 002 | 追踪PCA中心化与求解 | 实现深读 | done | 第9章 线性降维 | 实践卡及首轮源码映射 |
实践候选筛选:done
自写卷积网络需要跨多个训练环节,暂不采用。重复复现二维聚类示例与第一张实践卡重叠,合并为同一实践。
相关主题
从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。
暂无公开主题。