【深度学习】反卷积输出尺寸计算公式

反卷积英文翻译为:Deconvolution或Transposed Convolution或Fractional-strided Convolutions。 在机器学习中,反卷积是从低分辨率映射到大分辨率的过程,用于扩大图像尺寸。 反卷积是一种特殊的正向卷积,而不是卷积的反过程。 本文将从直观的角度,推导反卷积运算输出尺寸的计算公式。 符号约定: 输入尺寸(input): 卷积核大小(kernel size): 步幅(stride): 边界扩充(padding): 输出尺寸(output): 卷积输出...

Continue Reading »
分享到:

【复杂网络】复杂网络研究新方向:全齐性子网络

导语 近日,知名学者史定华(第一作者)、吕琳媛和陈关荣(通讯作者)共同在《国家科学评论》(National Science Review)上在线发表了名为《 Totally homogeneous networks 》的新文章。作者借鉴庞加莱的""剖分""思想,从圈结构的视角出发,把网络分解为全齐性子网络,并提出向量空间作为表示网络的新方法,以此开创新的网络研究框架。这项工作将代数拓扑引入网络科学的研究中,体现了物理、数学、计算机等多学科交叉融合的价值。本文系对这一研究工作的解读。 网络科学新视角:圈结构...

Continue Reading »
分享到:

【推荐系统】协同过滤算法

1.基于用户的最近邻推荐 1.1.基于用户最近邻推荐的主要思想 基于用户的最近邻推荐(user-based nearest neighbor recommendation)主要思想是: (1)将输入的评分数据集和当前用户ID作为输入,使用皮尔逊相关系数来表示两个用户之间的相关性,找出与当前用户过去行为历史具有相似行为或者偏好的K个其他用户,这些用户也叫对等用户或者叫最近邻; (2)计算出当前用户和其他用户的相关性后,对当前用户未购买或者未见过的每个物品,利用用户的K个近邻对物品的评分进行预测,形成物品评分...

Continue Reading »
分享到:

【复杂网络】复杂网络相关概念

文中所有论文链接均可点击直接下载 复杂网络在复杂性研究中占据着什么样的地位? 复杂网络是对复杂系统的一种抽象。研究复杂系统有很多角度和方法,而复杂网络正是其中的一种。 复杂系统由大量相互关联,相互作用的个体组成。而复杂网络关注系统中的个体相互作用而成的网络的结构,通过构建复杂网络,可以帮助我们从系统相互作用网络的拓扑结构的角度来理解复杂系统。换言之, 网络拓扑结构的信息是研究系统性质和功能的基础 ,也是理解系统功能的关键。 复杂网络无处不在 复杂网络无处不在,几乎覆盖了我们能想到的所有领域,现代生活的基础...

Continue Reading »
分享到: