1、LR算法：通过线性映射和sigmoid转换确定{0,1}间条件概率。
2、1 模型表达(Objective Function)
3、逻辑回归也被称为对数几率回归，用条件概率分布的形式表示 P(Y|X)，这里随机变量 X 取值为 n 维特征向量，例如x=(x(1),x(2),...,x(n))x=(x(1),x(2),...,x(n))。
4、当Y 取值为 1时：
5、
6、当Y 取值为 0时：
7、
8、 等价地，对于z=wTx+b，通过Sigmoid函数实现实数值z到0/1值概率的转化：
9、 or
10、2 损失函数(Cost Function)
11、3 模型求解
rcan的网络结构1、RCAN主要由四部分组成：浅特征提取、residual in residual (RIR) 深度特征提取、上采样模块和重建部分。
2、假设I(LR)和I(SR)表示为RCAN的输入和输出。
4、浅特征提取：仅使用一个卷积层（conv）从LR输入中提取浅特征F0（其中Hsf表示卷积运算，F0用于RIR模块的深度特征提取）：萊垍頭條
5、residual in residual (RIR) 深度特征提取（Hrir表示的是RIR模块，包括G个残差组）：條萊垍頭
6、上采样模块（Hup表示上采样的算法，Fup表示上采样之后得到的特征图）：垍頭條萊
7、有几种选择可用作上采样的模块，例如反卷积层（也称为转置卷积），最近邻上采样+萊垍頭條
8、卷积以及ESPCN的亚像素卷神经网络。
10、重建，通过一个Conv层重建升级的特征：頭條萊垍
11、损失函数：超分辨loss有l1,l2,gan的loss以及纹理结构perceptual loss，为了保证有效性，选择了L1 loss：萊垍頭條
