- 博客(205)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 吴恩达-deep learning 01.神经网络与深度学习Week3
Week3：浅层神经网络(Shallow neural networks)3.1 神经网络概述（Neural Network Overview）本节先从整体结构上来看一下神经网络模型。逻辑回归梯度下降算法——正向传播和反向传播两个过程假设某个样本有两个特征x1,x2x_1,x_2x1,x2，如下图所示：正向传播(黑线)：z=wTx+by^=a=σ(z)L(a,y)=−(ylog(a)+(1−y)log(1−a))\begin{array}{l}z=w^Tx+b\\\hat y=a=\
2020-08-19 16:23:39
320
原创 吴恩达-deep learning 01.神经网络与深度学习Week2
Week2：神经网络的编程基础(Basics of Neural Network programming)2.1 本章名词和符号先介绍一些名词training set (训练集)feature vector(特征向量)classifier(分类器)calculus(微积分)loop(循环)datasets(数据集)vectorization (向量化)matrix(矩阵)vector(向量)本周用到的一些符号【Notation】(x,y)(x,y)(x,y)表示一个单
2020-08-12 10:08:51
305
原创 吴恩达-deep learning 01.神经网络与深度学习Week1
Week1 深度学习概述1.1 What is a neural network?简单模型假如我们要建立房价的预测模型，一共有六个房子。我们已知输入x即每个房子的面积（多少尺或者多少平方米），还知道其对应的输出y即每个房子的价格。根据这些输入输出，我们要建立一个函数模型，来预测房价：y=f(x)。一般地，我们会一条直线来拟合图中这些离散点，即建立房价与面积的线性模型。但是从实际考虑，我们知道价格永远不会是负数。所以，我们对该直线做一点点修正，让它变成折线的形状，当面积小于某个值时，价格始终为零。
2020-08-04 12:13:13
251
原创 SyntaxError: (unicode error) ‘utf-8‘ codec can‘t decode byte 0xc7 in position 0: invalid continu
1. 改编码方式：方法1：选择“General>>Editors>>Text Editors>>Spelling”把Encoding设置成UTF-8:方法2：设置Workspace的编码方式为：UTF-8：（属性那里）
2020-07-30 17:15:41
2419
原创 《Python语言程序设计基础》笔记(第一部分：初识Python语言)
第一部分：初识Python语言第一章： 程序设计基本方法计算机有两个基本特性:功能性和可编程性功能性：对数据的操作，表现为数据计算、输入输出处理和结果存储等。可编程性：可以根据–系列指令自动地、可预测地、准确地完成操作者的意图。程序设计语言包括3个大类:机器语言、汇编语言和高级语言。机器语言：一种二进制语言，它直接使用二进制代码表达指令，是计算机硬件可以直接识别和执行的程序设计语言。汇编语言：使用助记符与机器语言中的指令进行一 一 对应。高级语言：接近自然语言的一种计算机程序设
2020-07-06 11:32:57
1981
原创 吴恩达机器学习笔记整理（Week6-Week11）
1. Week 61.1 应用机器学习的建议(Advice for Applying Machine Learning)1.1.1 决定下一步做什么到目前为止，我们已经介绍了许多不同的学习算法，然而，在懂机器学习的人当中依然存在着很大的差距，一部分人确实掌握了怎样高效有力地运用这些学习算法。而另一些人可能没有完全理解怎样运用这些算法。因此总是把时间浪费在毫无意义的尝试上。本章是确保你在设计机器学习的系统时，你能够明白怎样选择一条最合适、最正确的道路。改进这个算法的性能常见的几种方法：1. 获
2020-06-08 21:41:16
626
原创 吴恩达机器学习笔记整理（Week1-Week5）
吴恩达机器学习笔记整理1. Week11.1 什么是机器学习(What is Machine Learning)1.2机器学习算法分类1.2.1 监督学习1.2.2 无监督学习1.3 单变量线性回归(Linear Regression with One Variable)1. 3.1 问题解决模型1.3.2. 代价函数(Cost Function)1.4 梯度下降(Gradient Descent...
2020-05-02 15:56:35
998
原创 LaTex图、表和撰写中的一些问题
LaTex图、表和Ref撰写中的一些问题package报错的处理LaTex的几种字体行间距与段间距Latex中插入多张图片LaTex表格形式Reference 的撰写package报错的处理! LaTeX Error: Command \c@lofdepth already defined. Or name \end... illegal, see p.192 o...
2018-10-03 00:08:14
4717
3
原创 陈越《数据结构》第七讲 图（中）二
最短路径问题 定义： 在网络中，求两个不同顶点之间的所有路径中，边的权值之和最小的那一条路径。这条路径就是两点之间的 最短路径\color{red}{最短路径}（Shortest Path）。 - 第一个顶点为 源点\color{red}{源点} （Source ）； - 最后一个顶点为 终点\color{red}{终点} （Destination）。根据源点的多少和是有向图还是无
2017-11-16 22:38:27
837
原创 陈越《数据结构》第七讲 图（中）一
Tree Traversals Again1086.Tree Traversals Again (25) An inorder binary tree traversal can be implemented in a non-recursive way with a stack. For example, suppose that when a 6-node binary tree (with
2017-11-14 09:14:09
947
原创 陈越《数据结构》第六讲 图（上）
6.1 什么是图6.1.1 定义 图示表示“多对多”的关系（树与线性表都可以认为是其特殊形式）； 图包含： 一组顶点\color{red}{一组顶点}：通常用 VV(Vertex) 表示顶点集合； 一组边\color{red}{一组边}：通常用 EE(Edge) 表示边的集合; — 边是顶点对：(v,w)∈E(v,w)\in{E}，其中v,w∈Vv,w\in{V} ;
2017-11-05 12:38:27
5876
原创 陈越《数据结构》第五讲 树（下）
5.1 堆（heap）(解决优先队列)5.1.1 定义 定义\color{red}{定义}： 优先队列（Priority Queue）：特殊的“ 队列”，取出元素的顺序是依照元素的优先权（关键字） 大小，而不是元素进入队列的先后顺序。 即可认为： 每个加入队列的值有一定的意义（大小），进入队列没有规定，但是出队列要根据一定的意义（大小）出队列。5.1.2 存
2017-11-03 23:46:42
1245
原创 陈越《数据结构》第四讲 树（中）
4.1 二叉搜索树4.1.1 定义与抽象数据类型的基本操作1.定义：\color{red}{定义：} 一棵二叉树，可以为空；如果不为空，满足以下性质： 1. 非空 左子树 的所有 键值小于其根结点 的键值。 2. 非空 右子树 的所有 键值大于其根结点 的键值。 3. 左、右子树都是二叉搜索树 。2.抽象数据类型：\color{red}{抽象数据
2017-10-27 17:48:27
644
原创 C/C++把字符串划分为二维字数组，2种分割方法
本实验是读取ini文件中的字符串，字符串是二维数组的形式。方法一首先我用的是strtok_s； 注： 1.strtok_s的用法 函数原型：char *strtok_s( char *strToken, const char *strDelimit, char **buf); 这个函数将剩余的字符串存储在buf变量中，而不是静态变量中，从而保证了安全性。 2.strtok的用
2017-09-12 21:20:49
2080
原创 C++Primer第五版 第二章练习
2.1.1节练习练习2.1: 类型int ,long ,long long 和 short的区别是什么？无符号类型和带符号类型的区别是什么？float和double的区别是什么？练习2.2：计算按揭贷款时，对于利率、本金和付款分别应选择何种数据类型？说明你的理由。答： 2.1 int 是整形 ，最小尺寸16位。 long 是长整形，32位; long long 也是长整型 最小尺
2017-09-03 15:28:35
1849
1
原创 C++Primer第五版 1.5.1节练习
1. 题目练习1.20 :在网站（书上提供）上，第一章的代码目录中包含了头文件Sales_item.h。将它拷贝到你自己的工作目录中。用它编写一个程序，读取一组书籍销售记录，将每条记录打印到标准输出上。练习 1.21 :编写程序，读取两个ISBN相同的Sales_item对象，输出它们的和。练习 1.22 :编写程序，读取多个具有相同ISBN的销售记录，输出其所有记录的和。2.代码Sales_ite
2017-09-03 11:01:16
752
原创 编译器与解释器的区别
1. 基本理解编译器: 编译完就可以扔了，运行不依赖它; 解释器: 你要运行，必须依赖它;2.深入理解编译器：在代码运行之前，生成目标平台指令，可脱离编译器而独立运行。 解释器：在代码运行过程中，生成目标平台指令，不可脱离解释器，无法独立运行。编译器： C 、 C++等 解释器： Python 、 Ruby 、 PHP 等。3.参考文献https://nickdesaulniers.gith
2017-08-25 10:19:53
686
原创 Visual Studio控制台程序输出窗口一闪而过的解决方法
刚接触 Visual Studio的时候大多数人会写个Hello World的程序试一下，有的人会发现执行结束后输出窗口会一闪而过，并没有出现Press any key to continue的字样。无论是在Visual Studio 2008、2010还是2012中都有这种情况出现，有些人可能会用下面两种方法中的一种： 在程序代码的最后加上system(“pause”)或者getchar
2017-08-22 15:35:16
7339
转载 应聘高校教师的试讲技巧
1.注意事项如果毕业想到高校任教，通常都会经历试讲这一关。我觉得博士试讲需要注意以下几个方面： (1) 首先要自信。如果到高校任教，讲课是基本功。所以千万不要怕试讲，保持自信的态度，试讲时要面向台下的听众，声音宏亮； (2) 认真准备试讲内容。尽可能和试讲学院沟通试讲课程及章节，如果可以自选，那就要选自己最熟悉，能够适当发挥点的章节讲，千万别选引言或者概述，通常刚毕业博士讲引言或概述讲不好。如果
2017-08-20 21:31:25
54917
转载 使用Markdown编辑器写博客
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2017-08-20 21:06:08
376
原创 陈越《数据结构》第三讲 树（上）
3.1 树与树的表示3.1.1 引子：查找分层次组织在管理上具有更高的效率! 查找\color{red}{查找} 1. 定义： 根据某个给定 关键字K ，从 集合R 中找出关键字与K 相同的记录。 2.分类： - 静态查找：集合中 记录是固定 的； - 动态查找： 集合中 记录是动态变化的。 3.静态查找的方法
2017-06-14 21:00:48
2438
原创 陈越《数据结构》第二章 线性结构
2.1 线性表2.1.1 基本知识例1：一元多项式及其运算 f(x)=a0+a1x....+an−1xn−1+anxnf(x)=a_0 + a_1 x ....+a_{n-1}x^{n-1} + a_nx^n 表示方法： 1. 顺序存储结构直接表示； 2. 顺序存储 结构； （用结构数组表示：数组分量是由系数aia_i 、指数ii组成的结构，对应一个非零项） 3. 链表结构存储非
2017-06-12 12:08:51
3181
原创 陈越《数据结构》第一讲 基本概念
陈越《数据结构》第一讲 基本概念1什么是数据结构1.1 引子例子：如何在书架上摆放图书？ 随便放； 按照书名的拼音字母顺序排放； 把书架划分成几块区域，每块区域指定摆放某种类别的图书；在每种类别内，按照书名的拼音字母顺序排放。 解决问题方法的效率，跟数据的组织方式有关。\color{red}{解决问题方法的效率， 跟数据的组织方式有关。}例2：写程序实现一
2017-06-08 21:34:43
4266
3
原创 MIT 线性代数（34—35）读书笔记
第三十四讲：左右逆和伪逆前面我们涉及到的逆（inverse）都是指左、右乘均成立的逆矩阵，即A−1A=I=AA−1A^{-1}A=I=AA^{-1}。在这种情况下，m×nm\times n矩阵AA满足m=n=rank(A)m=n=rank(A)，也就是满秩方阵。左逆（left inserve）记得我们在最小二乘一讲（第十六讲）介绍过列满秩的情况，也就是列向量线性无关，但行向量通常不是线性无关的。常见
2017-04-26 22:06:57
1796
2
原创 MIT 线性代数（31—33）读书笔记
第三十一讲：线性变换及对应矩阵本讲从线性变换这一概念出发，每个线性变换都对应于一个矩阵。矩阵变换的背后正是线性变换的概念。理解线性变换的方法就是确定它背后的矩阵，这是线性变换的本质1 线性变换1.1 定义如何判断一个操作是不是线性变换？ 线性变换需满足以下两个要求： T(v+w)=T(v)+T(w)(1) T(v+w)=T(v)+T(w)\tag{1} T(cv)=cT(v)(2
2017-04-26 21:47:20
2105
原创 MIT 线性代数（28—30）读书笔记
第二十八讲：正定矩阵和最小值本讲学习正定矩阵positive definite matrices，这个主题把整门课的知识融为一体，主元，行列式，特征值，不稳定性，新表达式xTAxx^TAx。目标是：怎么判断一个矩阵是否是正定矩阵\color{red}{怎么判断一个矩阵是否是正定矩阵}，为什么对正定矩阵感兴趣，最后给出几何上的解释，椭圆和正定性有关，双曲线与正定性无关。当极小值存在时，如何找出极小值应
2017-04-24 21:24:59
7675
1
原创 MIT 线性代数（25—27）读书笔记
第二十五讲：复习二 我们学习了正交性，有矩阵Q=[q1 q2 ⋯ qn]Q=\Bigg[q_1\ q_2\ \cdots\ q_n\Bigg]，若其列向量相互正交，则该矩阵满足QTQ=IQ^TQ=I。 进一步研究投影，我们了解了Gram-Schmidt正交化法，核心思想是求法向量，即从原向量中减去投影向量E=b−P,P=Ax=ATbATA⋅AE=b-P, P=Ax=\
2017-04-11 10:46:01
2377
2
原创 MIT 线性代数（19—21）读书笔记
第十九讲 行列式公式和代数余子式1.行列式公式上一讲中，我们从三个简单的性质扩展出了一些很好的推论，本讲将继续使用这三条基本性质： detI=1\det I=1； 交换行行列式变号； 对行列式的每一行都可以单独使用线性运算，其值不变。 我们使用这三条性质推导二阶方阵行列式： ∣∣∣acbd∣∣∣=∣∣∣ac0d∣∣∣+∣∣∣0cbd∣∣∣=∣∣∣ac00∣∣∣+∣∣∣a00
2017-04-08 17:21:57
2564
原创 MIT 线性代数（16—18）读书笔记
第十六讲 投影矩阵(Ax=b)和最小二乘法上一讲中，我们知道了投影矩阵P=A(ATA)−1ATP=A(A^TA)^{-1}A^T，PbPb将会把向量投影在AA的列空间中。即只要知道矩阵AA的列空间，就能得到投影矩阵PP的导出式。1.投影矩阵（Ax=b无解的情形）1.1两个极端的例子： 如果b∈C(A)b\in C(A)，则Pb=bPb=b； 如果b⊥C(A)b\bot C(A)，则Pb
2017-04-07 16:39:34
2653
原创 MIT 线性代数（13—15）读书笔记
第十三讲 第一阶段总结前12讲主要是介绍了矩阵的基础知识、Ax=0和Ax=b、四个空间（A的零空间、列空间、行空间和左零空间）。本讲主要是介绍了一些基本题目和简要定理。第一题. 令u、v、w是R^7空间内的非零向量：则u、v、w生成的向量空间可能是1,2,3维的。第二题. 秩(rank)的问题第三题. 求矩阵A1）求A的行向量的生成空间
2017-04-05 16:56:17
3205
1
原创 MIT 线性代数（10—12）读书笔记
第十讲：四个基本子空间假设A是m×n，列空间C(A)，零空间N(A)，行空间C(A^T)，A转置的零空间(通常叫左零空间)N(A^T)，线性代数的核心内容，研究这四个基本子空间及其关系。1.零空间
2017-04-02 12:44:01
3923
1
原创 MIT线性代数的总整理
MIT线性代数的总整理第一讲：方程组的几何解释 1.对一个方程组行形式，列形式。 2.矩阵与向量相乘的方法（左行右列）第二讲：矩阵消元 1.消元法（成功、失败） 2.消元矩阵（左行右列的真正意义）第三讲 矩阵的乘法和逆矩阵（非奇异矩阵） 1. 矩阵乘法（5种形式） 2. 矩阵的逆（判定（3种形式），求解逆矩阵）第四讲 矩
2017-03-31 09:27:18
7738
原创 MIT 线性代数（7—9）读书笔记
———————————————————————————————————————————————————————————————————————————第七讲 求解Ax=0：主变量、特解本课时将讲解如何计算那些向量空间中的向量，从概念定义转向算法，求解Ax=0的算法是怎样的，即零空间。
2017-02-14 11:40:59
2138
原创 MIT 线性代数（4—6）读书笔记
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
2017-01-30 12:09:52
3449
2
原创 MIT 线性代数（1—3）读书笔记
几年前把MIT Gilbert Strang教授的线性代数看完了，不过没做笔记，很多东西都忘了，现在打算重新看一遍，边写边做笔记。不足之处请指教。-----------------------------------------------------------------------------------------------------------------------------
2017-01-24 10:04:33
9494
2
转载 C++ 中cin 输入流的多种函数用法
cin、cin.get()、cin.getline()、getline()、gets()函数的用法 1、cin>> 用法1：最基本，也是最常用的用法，输入一个数字：#include using namespace std;main (){int a,b;cin>>a>>b;cout}输入：2[回车]3[回车]输出：5用法2
2016-07-06 23:04:15
2321
原创 FISTA的由来：从梯度下降法到ISTA & FISTA
前言：FISTA（A fast iterative shrinkage-thresholding algorithm）是一种快速的迭代阈值收缩算法（ISTA）。FISTA和ISTA都是基于梯度下降的思想，在迭代过程中进行了更为聪明（smarter）的选择，从而达到更快的迭代速度。理论证明：FISTA和ISTA的迭代收敛速度分别为O(1/k2)和O(1/k)。 本篇博文先从解决优化问题的传
2016-05-29 22:59:15
48650
9
原创 核函数&径向基核函数 (Radial Basis Function)--RBF
1.核函数1.1核函数的由来-----------还记得为何要选用核函数么？-----------对于这个问题，在Jasper's Java Jacal博客《SVM入门（七）为何需要核函数》中做了很详细的阐述，另外博主对于SVM德入门学习也是做了很详细的阐述，有兴趣的可以去学习，写得相当好，特意转载了过来，留念一下。如果提供的样本线性不可分，结果很简单，线性分类器的求解程序会无
2016-05-26 21:47:44
104410
4
原创 Matlab CV ToolBox的使用之matchFeatures
Matlab的自带说明：matchFeatures Find matching features INDEX_PAIRS = matchFeatures(FEATURES1, FEATURES2) 返回INDEX_PAIRS为[P,2]数组，包含最可能相关的特征点的数组。FEATURES1为[M1，N]的数组，FEATURES2为[M2，N]的数组，都可以是由FREAK描述子产生的
2016-05-18 20:41:47
2618
GitExtensions-2.49-SetupComplete.msi
2017-10-10
Git-2.14.1-64-bit.exe
2017-10-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人