Faster R-CNN简介 RBG团队在2015年，与Fast R-CNN同年推出了Faster R-CNN，我们先从头回顾下Object Detection任务中各个网络的发展，首先R-CNN用分

　　SPP-Net简介 在上一篇R-CNN的文章中，详细介绍了R-CNN算法，同时也说明了R-CNN的致命缺陷，超长的训练时间（84h）和测试时间（47s），造成这个问题的主要原因就是重复性的卷积计算，在

　　区块链的定义 相较于区块链，大家似乎更了解比特币。区块链是一种技术，支撑和保障整个比特币的货币机制在这样一个分布式网络中运行，包括产生、流通、交易等等。   简单来说它就是一个账本，在整个交易过程中，

　　1、FFM理论 在CTR预估中，经常会遇到one-hot类型的变量，one-hot类型变量会导致严重的数据特征稀疏的情况，为了解决这一问题，在上一讲中，我们介绍了FM算法。这一讲我们介绍一种在FM基础

　　1、决策树模型与学习 决策树（decision tree）算法基于特征属性进行分类，其主要的优点：模型具有可读性，计算量小，分类速度快。决策树算法包括了由Quinlan提出的ID3与C4.5，Brei

　　人工智能如何处理数据？如果把重点放在数据的处理方式上，那么长期共存的方式大概有两种：   特征学习(feature learning)， 又叫表示学习(representation learning)

　　深度学习的基本理论与方法 深度学习：一种基于无监督特征学习和特征层次结构的学习方法 可能的的名称： 1.深度学习 2.特征学习 3.无监督特征学习 2006年，加拿大多伦多大学教授、机器学习领域的泰斗

　　函数名称：cnnsetup  输入参数：net，待设置的卷积神经网络；x，训练样本；y，训练样本对应标签；  输出参数：net，初始化完成的卷积神经网络  主要功能：对CNN的结构进行初始化 算法流程

　　函数名称：cnnff（） 输入参数：net，神经网络；x，训练数据矩阵； 输出参数：net，训练完成的卷积神经网络 主要功能：使用当前的神经网络对输入的向量进行预测 算法流程：1）将样本打乱，随机选择

　　函数名称：cnnbp（） 输入参数：net，呆训练的神经网络；y，训练样本的标签，即期望输出 输出参数：net，经过BP算法训练得到的神经网络 主要功能：通过BP算法训练神经网络参数 实现步骤：1）将

　　本文以Bremen大学机器学习课程的教程为基础的。总结了使用机器学习解决新问题的一些建议。包括： 可视化数据的方法 选择一个适合当前问题的机器学习方法 鉴别和解决过拟合和欠拟合问题 处理大数据库问题（

　　对于对冲基金很多人不是特别了解，今天给大家简而明了的介绍一下，你可以有一个形象的理解。 事情是这样的，Mike同学看到搞金融的都巨赚钱，也想创一个对冲基金玩玩，于是他去了高盛提出申请，高盛的Sam大叔