2018-11-19 20:38 hxy
NMI是Normalized Mutual Information的简称，用于比较社团划分结果与ground-truth之间的接近程度，取值范围为[0, 1]，出自2006年 Danon 的论文 [1]。 有两种计算方法，为了方便大家检测结果，写了一个通用的Python版计算函数，当然也可以直接调用库函数计算。代码如下： # -*- coding: utf-8 -*- import math def NMI(c1, c2): ''' Calculate Normalized Mutual Informati...
继续阅读 »2018-06-05 17:20 sunmengqi
最近一直在看有关于网络表示学习的内容，不过一直感觉没有系统性。我在网上查询到了一篇网络表示学习方面的综述，我已经上传到平台的网盘中了，欢迎大家下载阅读，之后一起讨论学习。
继续阅读 »2018-11-19 21:17 hxy
http://blog.sina.com.cn/s/blog_4d7c97a00101g53f.html
继续阅读 »2018-04-16 15:51 sunmengqi
最近笔者在看一些有关于深度学习的内容，了解了有关于AutoEncoder的一些知识，在这里分享给大家。内容中参考了一些CSDN和博客园中博客的相关内容。 Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入I的几种不同表示（每一层代表一种表示），这些表示就是特征。自动编码器就是一种尽可能复现输入信号的神经网络。为了实现这...
继续阅读 »2018-03-21 15:45 sunmengqi
感知器算法基于单层神经网络的范畴，不仅是第一个以算法描述的学习算法，而且很直观，也较为容易实现。同时，它也是是最先进的机器学习算法之一人工神经元网络（也可称作深入学习）的绝好切入点。 感知器的最初概念可以追溯到Warren McCulloch和Walter Pitts在1943年的研究，他们将生物神经元类比成带有二值输出的简单逻辑门。以更直观的方式来看，神经元可被理解为生物大脑中神经网络的子节点。在这里，变量信号抵达树突。输入信号在神经细胞体内聚集，当聚集的信号强度超过一定的阈值，就会产生一个输出信...
继续阅读 »
