GAN作为一个机器学习界得过气网红，已经开始大面积应用于现实生活，所以写一篇关于GAN的从入门到放弃是必要的。我希望任何一个人能通过这篇文章，弄清楚所有关于GAN的知识，然后放弃。。。（逃。。）

Background Information

What is the difference between supervised and unsupervised learning?

Simply say, the input of supervised learning is labelled while that of unsupervised learning is unlabelled. Therefore, we can use supervised learning to do prediction while we use unsupervised learning to do analysis.

Generative adversarial network (GAN) has got a lot of great results in many generative tasks to create the real-world objects which is unseen before. Inspired by

SVM

1. 简单介绍SVM（详细原理）：从分类平面，到求两类间的最大间隔，到转化为求间隔分之一，等优化问题，然后就是优化问题的解决办法，首先是用拉格拉日乘子把约束优化转化为无约束优化，对各个变量求导令其为零，得到的式子带入拉格朗日式子从而转化为对偶问题，最后再利用SMO（序列最小优化）来解决这个对偶问题。 svm里面的c有啥用

   Read more »

amazon:

Neural networks with PyTorch 使用Pytorch实现神经网络

深度学习网络就是有成百上千的神经层构成了，因为有很多很多层，所以才称之为<深度>。你能够像上文一样，只用一个权重矩阵就能够实现构建网络，但是在现实中，这么做非常的困难。在Pytorch中，nn模块提供了一个高效构建网络的接口。

基于Pytorch深度学习

在本文中，我将介绍一下PyTorch，PyTorch
是一个训练神经网络的有利助手。同时，Pytorch基本可以无缝衔接Numpy，对于熟悉Numpy的你，应该很容易就能转型到PyTorch。同时PyTorch能够调用GPU的API实现硬件加速，并提供诸如自动计算梯度和模型定制化等诸多方便功能。另一方面，PyTorch相较于
Tensorflow 有更好的兼容性。

我们的研究是基于短时语音信号的静态分析，测试采用AV16.3的数据。我们的试验中主要采用Steered Response Power(SRP) 方法来寻去一个在3D空间下的最大beemformed pwer值。

我们并没有采用MUSIC等信号子空间方法，因为他对模型很敏感，对于回响大的空间。当然，如果你对model的参数十分有把握，比如LOCATA数据库，我们就采用了MUSIC算法。

概率分布和似然函数

似然函数作为连接观测和概率分布的连接桥梁被广泛用于贝叶斯，机器学习甚至工程问题中。

PHD filter 及其变种都需要三个先决的条件：

• 生成模型 birth model
• 杂物模型 clutter model （filter 的一个目的就去除 clutter，所以 model 肯定未知，典型的鸡蛋问题）
• 检测概率 detection probability （这不能通过 detection method 得到，因为你不知道遮挡等问题是否存在，而且这个和场景相关性很大）
  这些信息都是一致的，但是在实际中这些是时变，未知的。怎么解决呢？
  Read more »