在中国第一起名大师的老师颜廷利教授的《升命学说》中，通过“净化论”、“和合法则”、“唯悟主义”以及“镜正理念”的阐述，我们得以窥见生命的不同维度。他以自然界中短命的小草与长寿的大树为例，揭示了生命形态的对比与哲理。 小草，虽具有顽强的生命力，能在极端环境中迅速生长，却每年都需经历生死轮回，这象征着生命的短暂与脆弱。相比之下，大树根深叶茂，历经漫长岁月仍屹立不倒，展现了坚韧与永恒的生命力。 这一

标签（空格分隔）： 王小草深度学习笔记 1. 图像识别与定位 图像的相关任务可以分成以下两大类和四小类： 图像识别，图像识别+定位，物体检测，图像分割。 图像的定位就是指在这个图片中不但识别出有只猫，还把猫在图片中的位置给精确地抠出来今天我们来讲一讲如何神经网络来做图像识别与定位。 图像的识别： 可以看成是图像的分类》C个类别 输入：整个图片 输出：类别标签（每个类别会有一

标签（空格分隔）： 王小草机器学习笔记 机器学习的套路： 参数估计–>模型预测 隐马尔可夫模型需要涉及的步骤： 概率计算 参数估计 模型预测 应用：中文分词，语音识别等 在中文分词中，如果学习到了参数，隐马尔可夫就不需要词库也可以分词，但如果有词库，就会增加正确性。 所以在工业中可以HMM+词典来进行中文分词 但HMM可以发现新词，这个新词在词库中是没有的。 1. 什么是

标签（空格分隔）： 王小草机器学习笔记 决策树可以用于解决分类问题，也可以用于解决连续型的回归预测问题，是业界常说的机器学习的十大算法之一。决策树也属于监督学习的一种。 在教科书里必须会出现的，常用的决策树大概有3种，分别是C4.5，ID3，CART算法。本章中都会一一详细讲述。 1. 决策树的结构 决策树是由节点和有向边组成。节点分两种类型：内部节点与叶子节点。 内部节点：表示的是

标签（空格分隔）： 王小草机器学习笔记 1.SVM的原理与目标 1.1 分割超平面 来看上图，假设C和D是两个不想交的凸集，则存在一个超平面P，这个P可以将C和D分离。 这两个集合的距离，定义为两个集合间元素的最短距离。 做集合C和集合D最短线段的垂直平分线。这条垂直平分线就是分割超平面。 在两个集合之间，可以有无数条分割超平面，使其将两个集合分离，但是如何定义与找出两个集

标签（空格分隔）： 王小草机器学习笔记 EM算法的英文全称是Expectation Maximization Algorithm，也就是求期望最大化，也就是我们常说的目标函数求最大值的算法。EM算法，直观的说，就是有一堆未知的数据（比如一些特征值），这些数据可能来自于不同的类别，而你想知道的是每一个数据都来自于哪个类别，并且知道来自于这个类别的概率是多少。而在EM算法看来，每一个类别中的数据

标签（空格分隔）： 王小草机器学习笔记 ##1. 概率论知识 ###1.1 先验概率与后验概率 假设有两个事件A和B： P(A) 为A的先验概率，它不考虑任何B事件的因素； P(B) 也为B的先验概率，它不考虑任何A事件的影响； P(A/B) 是B事件发生后，A事件发生的概率，此时A受到B的影响，故称为A的后验概率； P(B/A) 是A事件发生后，B事件发生的概率，同理，称为B的后验概率。

欢迎关注本人微信公众号：王小草之大数据人工智能。不定期分享学习笔记。 欢迎关注本人喜马拉雅账号：好吧我真的叫王草。不定期更新各类有声书与文章，涉及诗歌，自传日志，科技IT新书等。 恩，对，一名励志要做播主的爱好文学的经管专业的却打起代码的伪女程序猿，等你一起来聊聊哲学。 1. 权重的初始化 1.1 fine-tuning 神经网络的训练的有两种方式，第一种是自己从头到尾训练一遍；第

欢迎关注本人微信公众号：王小草之大数据人工智能。不定期分享学习笔记。 欢迎关注本人喜马拉雅账号：好吧我真的叫王草。不定期更新各类有声书与文章，涉及诗歌，自传日志，科技IT新书等。 恩，对，一名励志要做播主的爱好文学的经管专业的却打起代码的伪女程序猿，等你一起来聊聊哲学。 课程来自：寒小阳 笔记整理者：王小草 时间：2016/08/16 1. 神经网络与卷积神经网络 先来回忆一

王小草深度学习笔记 课程来自：寒小阳 笔记整理者：王小草 时间：2016/08/15 欢迎交流：qq:1057042131 1. 神经网络前言 1.1 背景 在进入神经网络之前，先讲述两个略带血腥的实验。 第一个实验是科学家将耳朵到大脑听觉区的神经给切断了，然后将眼睛到大脑听觉区的神经接起来，之后发现大脑听觉皮质也会慢慢去学习视觉传入的信息，即学会去“看”。 另一个实