在数学上，离群点可以表示出来，这样离群点检测问题就可以转化为一个数学问题来求解。离群点检测广泛应用于许多场景，例如:1 .对互联网上一些服务器的访问进行流量监测，可能是周期性的，也可能是趋势性的:一般来说是比较稳定的，但是在被一些黑客攻击之后，它的访问可能会发生明显的变化，及早发现这些异常变化，对企业来说是非常好的防范报警。
4、目标检测算法(R-CNN,fastR-CNN,fasterR-CNN,yolo,SSD,yoloV2,yoloV3...深度学习目前已经应用到各个领域，应用场景大致可以分为三类:物体识别、目标检测、自然语言处理。物体检测可以理解为物体识别和物体定位的融合，不仅仅是识别物体属于哪一类，更重要的是得到物体在图片中的具体位置。2014年，RCNN算法的提出，基本奠定了两阶段在目标检测领域的应用基础。其算法结构如下。算法步骤如下:相对于传统的目标检测算法，RCNN实现了50%的性能提升，在使用VGG16模型作为物体识别模型的情况下，在voc2007 数据 set上可以达到66%的准确率，还算不错。
5、18组-QuoVadis,ActionRecognition?ANewModelandtheKinetics...QuoVadis，行为识别？动力学的新模型和总结数据 Set在现有的行为分类数据Set(ucf 101 and hmdb 51)中，视频的缺乏数据使得很难确定一个好的视频结构，大多数方法都是小规模的。本文根据人类行为动力学重新评价这些高级结构。Kinetics有两个数量级数据 400类别的人类行为，每个类别都有超过400个片段，而这些都是从真实且具有挑战性的YouTube视频中收集的。
6、遗传算法怎么调用 神经 网络训练好的模型遗传算法优化的BP神经网络借鉴别人程序做的建模仿真最近才有时间整理。目的:对YX1 2 X2 2非线性系统进行建模，用1500组数据 pair 网络、500组数据构建。因为BP神经网络initial神经元之间的权重和阈值一般是随机选取的，容易陷入局部极小。该方法利用遗传算法对初始神经元之间的权值和阈值进行优化，并比较了使用遗传算法前后的效果。
X2)，并计算出相应的输出yx1 2 x2 2，前1500组数据as training数据input _ train，后500组数据 as测试。并且存储将在遗传算法中使用的数据。2.数据预处理:正常化。3.构造BP 神经 网络的隐藏层数、次数、步骤、目标。4.用training数据input _ train训练BP神经网络net。
7、【目标检测】论文推荐——基于深度 神经 网络的目标检测Original:ScalableObjectDetection使用DeepNetwork学术范式最近，Deep Convolution神经网络在包括ImageNet大规模视觉识别挑战赛(ILSVRC2012)在内的多项图像识别基准测试上取得了最先进的性能。定位子任务中的获胜模型是网络，预测图像中每个物体类别的单个包围盒和置信度得分。这个模型捕获了对象周围的整个图像上下文，但是如果不天真地复制每个实例的输出号，就不可能处理图像中同一个对象的多个实例。
