[分享] 機器學習工作坊 Machine Learning Workshop
Machine learning workshop I - image classification from Yun-tao Chen <概念簡介> 傳統的程式與 “機器學習” 程式之間的差異
發表文章
RNN 筆記 - 損失函數與反向傳遞演算法
RNN 筆記 - 損失函數與反向傳遞演算法 Recurrent Neural Network (RNN) Ref 吳尚鴻教授上課影片 from Youtube: https://www.youtube.com/watch?v=2btuy_-Fw3c&list=PLlPcwHqLqJDkVO0zHMqswX1jA9Xw7OSOK Ref LaTeX Math Symbols: http://web.ift.uib.no/Teori/KURS/WRK/TeX/symALL.html 本篇討論 RNN 是怎麼 train 的！ Cost Function of Vanilla RNNs Parameters to learn: Θ = { 𝑊 ( 𝑘 ) , 𝑈 ( 𝑘 ) } 𝑘 (bias terms omitted)
RNN 筆記 - 基礎架構
RNN 筆記 - 基礎架構 Recurrent Neural Network (RNN) Ref 吳尚鴻教授上課影片 from Youtube: https://www.youtube.com/watch?v=2btuy_-Fw3c&list=PLlPcwHqLqJDkVO0zHMqswX1jA9Xw7OSOK Ref LaTeX Math Symbols: http://web.ift.uib.no/Teori/KURS/WRK/TeX/symALL.html 本篇主要透過數學表達式，來探討 RNN 之架構 Vanilla RNN RNN Dataset Dataset: Ｘ= { 𝑋 ( 𝑛 ) } 𝑛 ∈ ℝ 𝑁 × ( 𝐷 , 𝐾 ) × 𝑇 𝑋 ( 𝑛 ) = { ( 𝑥 ( 𝑛 , 𝑡 ) , 𝑦 ( 𝑛 , 𝑡 ) ) } 𝑡 a sequence , where the superscript 𝑛 n can be omitted for simplicity 很多的 x,y pair 𝑛 代表 第n個 data point
[筆記] Markdown 打譜 - ABC notation 初體驗
Sheet Ｍusic with ABC Notation ABC Notation Example: http://abcnotation.com/examples T 標題 M 拍號 ex: 44拍: 4/4 L 單位音符長度 ex: 八分音符 1/8 C 作曲作詞編曲名字欄位 K 設定調號 ^ 升 _ 降 = 還原 ’ 高八度 例如 A’ , 低八度 例如 A, | 小節線 ```abc X:1 T:Test Sheet M:4/4 L:1/8 C:test by tao chen C:go-go-go C:this his third line C:ABC notation is cool! K:G |A,2C2A2c2|c'4 c3 c|__D,4 ^^D4 |ee^f^g =g=f_e_d ccde edd2| |:G^A _Bc de dB|de dB de dB|^^c2ec __B2dB|c2A2 A2BA| GABc dedB|dedB dedB|c2ec B2dB|A2F2 G4:| |:g2gf gdBd|g2f2 e2d2|c2ec B2dB|A8 | g2gf g2Bd|g2f2 e2d2|c2ec B2dB|A2F2 G4:| ``` 以上 code 出來的效果如下: 關於音符的長度: 當 L 設定為 1/8 (八分音符) 的話 C 就是八分音符的中央 C C2 就是四分音符的中央 C C3 就是附點四分音符的中央 C C4 就是二分音符的中央 C C1/2 則是十六分音符的中央 C C1/4 則是三十二分音符的中央 C C3/2 則是附點八分音符的中央 C -> 以基本單位長度L之倍數來換算音符長度 關於符桿連結: 目前 L:1/8 CDEF 就會呈現四個八分音符串再一起 CD EF 則呈現出兩兩八分音符串再一起 相關文章整理 [筆記] Musescore 打譜軟體使用備忘錄 [筆記] Markdown 打譜 - ABC notation 初體驗 [筆記] 使...
[ML 筆記] Anomaly Detection (Machine Learning Model)
Anomaly Detection 異常偵測 本篇為台大電機系李宏毅老師 Machine Learning (2019) 課程筆記 上課影片： https://www.youtube.com/watch?v=gDp2LXGnVLQ&list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4&index=3&t=0s 想法： 訓練 model 在訓練資料 {x 1 ,x 2 , … , x N } 上 測試時： input x 如果『像』訓練資料 → 過 anomaly detector → 說出這是 normal 的資料 input x 如果很『不像』訓練資料 → 過 anomaly detector → 說出這是 anomaly 異常資料 什麼叫做 『像』(similar) 呢？ 這就是 anomaly detection 要解的問題！ 何謂『異常』的舉例： 訓練資料看很多隻雷丘 → 那皮卡丘就是異常 訓練資料看很多隻皮卡丘 → 那雷丘就是異常 訓練資料看用來寶可夢 → 那非寶可夢的數碼寶貝就是異常 『異常偵測』之應用：刷卡交易紀錄