为了捡回丢掉的数据结构和算法知识,也为了加强自己python编程的能力,LeetCode,Go!
Deep Dream
Deep Dream,是在探讨卷积神经网络到底学习到了什么,其实一直以来就觉得卷积神经网络就是一个能够自动提取特征且能够提取到高层次特征的网络,提到特征后就和传统的模式识别一样做滤波匹配,其实在冷冻电镜的颗粒挑选,就有好多用卷积神经网络的,记得其中Toshihiko Ogura and Chikara Sato在2001年和2003年的时候就分析过神经网络挑选颗粒的原理。
通过Google的Deep Dream觉得更好地理解了卷积神经网络的工作原理,值得一看,但既有前人珠玉在前,我就仅做整理好了(其实是比较懒,嘿嘿
Bayesian and MLE,MAP
在研究Cryo-em的RELION工具时,方法学论文中提到采用是贝叶斯方法和MAP,以前只听过MLE,所以不甚了了,故查阅资料,望能理解透彻,方便之后论文推导和之后的改进;
最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a posteriori estimation, 简称MAP)
EM算法深度解析与其在单颗粒冷冻电镜中的应用
我真的是他妈的太菜了
还他妈爱装牛角尖
还爱跳步 想法太多
真的是被这个算法搞死了!!!
但是终于看懂了!!!
其实过程中也因为没有一份称心如意的介绍,总有我觉得他一语带过但是我非常非常困惑的点,刨根问底费了很多功夫,所以先留个坑,等接下来有空了,写一份EM算法的前世今生上下五千年之通关大宝典!!!
Python加速-Numba/Cupy
记得一开始学习Python的时候就有人说它比较慢,虽然至今我还没感受到慢(主要还是因为自己菜,写的程序不够。。
但是今天刷LeetCode的时候看到有人提到用numba进行加速,就还蛮好奇的,想起之前有收藏了几篇关于Python加速的文章,今天就稍微了解一下~当然,只是一些我目前了解到的知识,自娱自乐吧