了解深度学习知识结构脉络； 掌握深度学习的预处理技巧； 掌握神经网络的基础结构。 掌握神经网络的基础结构、数据和训练优化技巧。
最近更新: 6年多前问题描述 一、 数据说明： Pima Indians Diabetes Data Set（皮马印第安人糖尿病数据集） 根据现有的医疗信息预测5年内皮马印第安人糖尿病发作的概率。 数据链接：https://archive.ics.uci.edu/ml/datasets/Pima+Indians+Diabetes p.s.: Kaggle也有一个Practice Fusion Diabetes Classification任务，可以试试:) https://www.kaggle.com/c/pf2012-diabetes 解题提示 1) 文件说明 pima-indians-diabetes.csv：数据文件 2) 字段说明 数据集共9个字段: pregnants：怀孕次数 Plasma_glucose_concentration：口服葡萄糖耐量试验中2小时后的血浆葡萄糖浓度 blood_pressure：舒张压，单位:mm Hg Triceps_skin_fold_thickness：三头肌皮褶厚度，单位：mm serum_insulin：餐后血清胰岛素，单位:m
最近更新: 6年多前问题描述 一、数据说明： Capital Bikeshare （美国Washington, D.C.的一个共享单车公司）提供的共享单车数据。数据包含每天的日期、天气等信息，需要预测每天的共享单车骑行量。 解题提示 原始数据集地址：http://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset 1) 文件说明 day.csv: 按天计的单车共享次数（作业只需使用该文件） hour.csv: 按小时计的单车共享次数（无需理会） readme：数据说明文件 2) 字段说明 Instant记录号 Dteday：日期 Season：季节（1=春天、2=夏天、3=秋天、4=冬天） yr：年份，(0: 2011, 1:2012) mnth：月份( 1 to 12) hr：小时 (0 to 23) （只在hour.csv有，作业忽略此字段） holiday：是否是节假日（0/1） weekday：星期中的哪天，取值为0～6 workingday：是否工作日（0/1） 1=工作日 （是否为工作日，1为工作日，0为非
最近更新: 6年多前1. 对连续型特征，可以用哪个函数可视化其分布？（给出你最常用的一个即可），并根据代码运行结果给出示例。（10） 2. 对两个连续型特征，可以用哪个函数得到这两个特征之间的相关性？根据代码运行结果，给出示例。（10） 3. 如果发现特征之间有较强的相关性，在选择线性回归模型时应该采取什么措施。（10） 4. 当采用带正则的模型以及采用随机梯度下降优化算法时，需要对输入（连续型）特征进行去量纲预处理。课程代码给出了用标准化（StandardScaler）的结果，请改成最小最大缩放（MinMaxScaler）去量纲 （10），并重新训练最小二乘线性回归、岭回归、和Lasso模型（30）。 5. 代码中给出了岭回归（RidgeCV）和Lasso（LassoCV）超参数（alpha_）调优的过程，请结合两个最佳模型以及最小二乘线性回归模型的结果，给出什么场合应该用岭回归，什么场合用Lasso，什么场合用最小二乘。（30）
最近更新: 6年多前1. 在测试视频(OpenCV安装目录\sources\samples\data)上，使用基于混合高斯模型的背景提取算法，提取前景并显示(显示二值化图像，前景为白色)。 2. 在1基础上，将前景目标进行分割，进一步使用不同颜色矩形框标记，并在命令行窗口中输出每个矩形框的位置和大小。 3. 安装ImageWatch，并在代码中通过设置断点，观察处理中间结果图像。 扩展： 4. 使用光流估计方法，在前述测试视频上计算特征点，进一步进行特征点光流估计。
最近更新: 6年多前1. 简述混合高斯模型的基本原理，以及通过混合高斯模型进行背景建模的基本思想。 2. 解释光流计算中的恒定亮度假设，进一步简述L-K光流估计方法的基本原理。
最近更新: 6年多前1. 画图解释图像卷积滤波的基本原理，并进一步简述常见的图像平滑滤波算法。 2. 简述边缘检测的基本原理，以及Sobel、LoG和Canny算子的原理差异。 3. 简述图像直方图的基本概念，及使用大津算法进行图像分割的基本原理。 4. 简述Harris算子对角点的定义，进行角点检测的基本原理，并说明引入角点响应函数的意义。 5. 简述Hough变换的基本原理(包括参数空间变换及参数空间划分网格统计)。 6. 简述SIFT原理(重点是尺度空间和方向直方图原理)及ORB算子原理(重点是FAST和BRIEF)。
最近更新: 6年多前进阶： 1. 以Lena为原始图像，通过OpenCV实现平均滤波，高斯滤波及中值滤波，比较滤波结果。 2. 以Lena为原始图像，通过OpenCV使用Sobel及Canny算子检测，比较边缘检测结果。 3. 在OpenCV安装目录下找到课程对应演示图片(安装目录\sources\samples\data)，首先计算灰度直方图，进一步使用大津算法进行分割，并比较分析分割结果。 4. 使用米粒图像，分割得到各米粒，首先计算各区域(米粒)的面积、长度等信息，进一步计算面积、长度的均值及方差，分析落在3sigma范围内米粒的数量。 扩展作业： 5. 使用棋盘格及自选风景图像，分别使用SIFT、FAST及ORB算子检测角点，并比较分析检测结果。 (可选)使用Harris角点检测算子检测棋盘格，并与上述结果比较。
最近更新: 6年多前计算机视觉 1. 视觉系统都有哪些构成要素? 以机械臂视觉控制系统为例，说明视觉系统的构成要素。 2. 尝试从模仿人类视觉处理流程的角度，阐述本对课程内容组织的理解。进一步在网上搜索，找到自己认为学习过程中最值得参考的1-2本书(不要太厚) 3. 什么是光通量和辐照度？说明几个常见光源的光通量，以及几个常见照明环境的辐照度。 4. 结合颜色空间示意图，简述HSI颜色空间中各通道的物理意义，并结合图像实例说明。 5. 说明彩色图像传感器及γ校正的基本原理。
最近更新: 6年多前
