- 博客(205)
- 资源 (7)
- 收藏
- 关注
RSS订阅转载 机器学习/深度学习/自然语言处理学习路线
原文地址:http://www.cnblogs.com/cyruszhu/p/5496913.html1 基础l Andrew NG 的 Machine Learning视频。连接：主页，资料。 l 2.2008年Andrew Ng CS229 机器学习当然基本方法没有太大变化，所以课件PDF可下载是优点。中文字幕视频@网易公开课，英文版视频@you
2016-05-17 20:25:10
1701
转载 解决Matlab: Invalid MEX-file
在Matlab中调用Mex文件出现错误：Invalid MEX-file mex32 or mexw64: The specified module could not be found导致原因：1. mex所依赖的dll文件缺失2. 在不支持mex的matlab版本运行mex文件。解决方案：1. 下载一个Dependency
2016-05-15 20:37:47
2971
1
原创 时间序列分析中的ARMA，ARIMA模型整体综述
在生产和科学研究中，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1, t2, …, tn (t为自变量且t1时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前
2016-05-11 16:54:19
36343
原创 Matlab Wavelet 工具箱的使用
1.小波GUI的启动与功能在matlab的命令符下输入wavemenu，即会出现小波工具箱窗口。2.小波工具箱的通用函数biorfilt双正交小波滤波器组centfrq计算小波中心频率dyaddown二元采样dyadup二元插值intwave积分小波函数orthfil
2016-04-12 11:24:19
20614
转载 Matlab如何安装新的工具箱
于MATLAB工具箱安装中涉及到了Matlab的搜索路径、工作目录、当前路径、用户路径等好多术语，我这里不想多说什么感兴趣的网友，可以直接查看Matlab的帮助系统，在那里你可以得到最直接的答复，但是你需要一定的英文基础哦添加工具箱的方法很多，所有方法都是为了达到同一个目的，将工具箱的所在路径添加到Matlab的搜索路径下就可以了下面介绍一种最简单的操作吧，下面以安装mat
2016-04-12 10:13:36
30150
3
原创 PTA 03-树2 List Leaves
简单讲下思路：叶子，顾名思义就是没有左右子树的结点。由于题目要求，叶子结点的输出顺序是从上往下，从左往右。所以用层序遍历法。当然，这里先找到root树的根。运用队列，将root进队列。然后依次将队头出队，若是叶子则输出，否则且将其有的左右孩子进队，达到层序遍历，就是从上往下，从左往右的要求。当队列为空，即遍历整个树后，结束。Given a tree, you are sup
2016-04-10 16:49:28
573
原创 链表实例（C语言）
#include #include struct grade { int score; struct grade *next;};typedef struct grade NODE; //typedef为C语言的关键字，作用是为一种数据类型定义一个新名字。//使用typedef目的一般有两个，一个是给变量一个易记且意义明确的新名字，//另一个是简化一些比较复杂的类
2016-03-22 11:22:39
1063
原创 堆栈和栈帧
堆栈和栈帧最近看CSAPP，感觉有疑惑，顺便总结一下。1.堆栈 我们平时说的堆栈其实是指栈，而实际上堆和栈是两种不同的内存分配。简单罗列一下各方面的异同点。 1).堆需要用户在程序中显式申请，栈不用，由系统自动完成。申请/释放堆内存的API，在C中是malloc/free，在C++中是new/delete。申请与释放一定要配对使用，否则会造成内存泄漏(memory
2016-02-23 22:26:09
2225
原创 Matlab编程学习：用内建函数代替for循环
在使用matlab进行矩阵计算的时候，经常会遇到要使用for循环的情况。但其实很多操作可以用内部的一些函数代替。今天总结一些几个函数的用法： bsxfun, arrayfun, cellfun, spfun, structfunbsxfun:1 C = bsxfun(fun,A,B)bsxfun可以对矩阵A和矩阵B进行
2016-01-20 22:28:45
4893
转载 CSAPP: Malloc Lab 7
csappmallocoptimizationlabics本次Lab真是CSAPP系列Lab中最恶心的Lab了！这是《深入理解计算机系统》第二版配套Lab中的第7个Lab，对应本书的第9章：虚拟存储器。下载地址：http://csapp.cs.cmu.edu/im/labs/malloclab.tarLab的要求是自己实现类似GNU Libc的malloc和free函数
2016-01-16 10:47:26
15831
2
原创 CSAPP里面对浮点型的描述
C语言浮点数 C语言标准C89里规定了3种浮点数，float型、double型和long double型，其中float型占4个字节，double型占8个字节，long double型长度要大于等于double型，本文档将以float型为例进行介绍，double型和long double型只是比float型位数长，原理都是一样的。 float型可以表示的范围
2016-01-03 21:15:08
1120
2
原创 别人对CSAPP的阅读理解
重点性正文：在阅读的过程中，我对该书的各个章节做了一些标注，以备将来重新翻阅的时候参考。这些标注主要从两个角度进行，一是对我找工作应试（包括笔试和面试）有没有用，二是对我自身的技术提高有没有用，所以分为应试和修炼两个指标，参照流行的打分标准将其分为从★到★★★★★五个等级。在找工作顺利结束之后，我又回顾了一下之前的标注，结合自己的笔试、面试经历，重新修订了一下。其中应试指标的评
2016-01-03 21:10:31
2194
转载 深入理解计算机系统-笔记1
CS:APP2e的辅助资源：【1】CS:APP2e主页：http://csapp.cs.cmu.edu/public/students.html主页上的内容非常丰富，超乎你的想象，等你去探索。【2】CS:APP2e中文版勘误主页：http://www.yiligong.org/csapp2e/好吧，我邪恶了，你始终对书上的内容持怀疑态度来阅读，对于知识的吸收的本身来说非常有意。【3】CS:AP
2016-01-03 21:03:59
801
转载 PSF 点扩散函数
Point-Spread Function 点扩散函数。PSF是point spread function的简称，即点扩散函数，用该指标来衡量重建后的图像的分辨率。在线性系统中，对于任意成像目标I1和其对应的像I2可以表示成I2=I1*h，h是系统函数。这个卷积系数h就是PSF，因为当I1为冲击函数时，I2=h。I2的质量取决于h。当h越偏离冲击函数，I2就越模糊，其模糊程度可以用h的宽度来衡量，
2015-12-15 17:52:11
18323
原创 RANSAC算法详解
RANSAC算法详解给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往往会先根据已知的两点算出直线的表达式（点斜式、截距式等等），然后通过向量计算即可方便地判断p3是否在该直线上。 生产实践中的数据往往会有一定的偏差。例如我们
2015-12-01 20:48:02
1918
原创 监督学习，无监督学习，半监督学习
监督学习，无监督学习，半监督学习监督学习(Supervised learning)、非监督学习(Unsupervised learning)、半监督学习(Semi-supervised learning)，怎么区分呢？这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。一、
2015-11-09 10:14:19
8098
转载 从特征描述符到深度学习：计算机视觉发展20年
从特征描述符到深度学习：计算机视觉发展20年转载：http://cs2.swfc.edu.cn/~zyl/?p=2184Author: Tomasz Malisiewicz翻译：赵毅力（panovr at gmail dot com）我们都知道在过去两年（2012-2014年）深度卷积神经网络在目标检测与识别的基准测试中有过辉煌的成绩，所以你可能会问：在此之前的物体
2015-11-05 22:19:07
6803
转载 From feature descriptors to deep learning: 20 years of computer vision
From feature descriptors to deep learning: 20 years of computer visionFrom:Tombone's Computer Vision Blog(site: http://www.computervisionblog.com/2015/01/from-feature-descriptors-to-deep.htm
2015-11-05 22:07:43
913
转载 稀疏表示step by step
声明：本人属于绝对的新手，刚刚接触“稀疏表示”这个领域。之所以写下以下的若干个连载，是鼓励自己不要急功近利，而要步步为赢！所以下文肯定有所纰漏，敬请指出，我们共同进步！踏入“稀疏表达”（Sparse Representation）这个领域，纯属偶然中的必然。之前一直在研究压缩感知（Compressed Sensing）中的重构问题。照常理来讲，首先会找一维的稀疏信号（如下图）来
2015-10-21 22:57:10
2179
原创 P、NP、NPC和NP-Hard相关概念的图形和解释
P、NP、NPC和NP-Hard相关概念的图形和解释一、相关概念 P: 能在多项式时间内解决的问题 NP: 不能在多项式时间内解决或不确定能不能在多项式时间内解决，但能在多项式时间验证的问题 NPC: NP完全问题，所有NP问题在多项式时间内都能约化(Reducibility)到它的NP问题，即解决了此NPC问题，所有NP问题也都得到解决。
2015-10-15 19:48:27
54269
28
原创 台湾国立大学机器学习技法.听课笔记（第八讲）:Adaptive Boosting[漸次提昇法]
台湾国立大学机器学习技法.听课笔记（第八讲）:Adaptive Boosting[漸次提昇法]一， Motivationof Boosting（提升法的动机）
2015-09-28 12:43:24
904
原创 台湾国立大学机器学习技法.听课笔记（第七讲）:Blending(混合) and Bagging（自举）
台湾国立大学机器学习技法.听课笔记（第七讲）:Blending(混合) and Bagging（自举）一，Motivation of Aggregation(融合模型的动机)1，提出Aggregation假设有T个朋友告诉你将来几天股市的假设，那我们到底选哪一个人的模型好呢？我们有这么四种选择方法：所以我们得到的混合模型(AggregationM
2015-09-22 23:31:27
2690
原创 台湾国立大学机器学习技法.听课笔记（第六讲）:Support Vector Regression
台湾国立大学机器学习技法.听课笔记（第六讲）:Support Vector Regression一，Kernel Ridge Regression1.提出线性岭回归问题我们上一讲学习了解决Two-level的问题时，我们可以用两种方法解决：我们上一讲是的Representer Theorem的基本形式是：那么ridge regre
2015-09-20 22:29:56
2384
原创 台湾国立大学机器学习技法.听课笔记（第五讲） :Kernel Logistic Regression
台湾国立大学机器学习技法.听课笔记（第五讲） :Kernel Logistic Regression一，Soft-Margin SVM as Regularized Model我们开始本lecture前，先对以前的知识进行回顾：其中，ξ_n是松弛变量，它的特点是：所以我们可以把Soft-Margin SVM写成：这个形式是
2015-09-17 20:12:48
1306
3
转载 周志华点评机器学习会议
这篇文章的内容是南京大学周志华老师对国际学术会议（主要是计算机、数据挖掘、机器学习方面）的点评，对于从事学术研究的人，持续关注相关的研究方向的会议内容，可以掌握最新的研究动态。原文按照tier1、tier2、tier3逐个列出了每类会议的全称，接着是会议的影响力，最后是周老师对这些会议的点评。为便于阅读，我把第3部分对会议的点评调整到会议名称列表之后。另外一个疑问是，tier和rank有啥区别，t
2015-09-15 20:01:01
2692
原创 台湾国立大学机器学习技法.听课笔记（第四讲） :Soft-Margin Support Vector Machine
台湾国立大学机器学习技法.听课笔记（第四讲） :Kernel Support Vector Machine一,Motivation and Primal Problems我们从第一讲到第三讲，都是说Hard-Margin SVM，要求全部的点都要进行正确划分，太完美了；也许有些点是noise，但是还是Hard-MarginSVM。 我们现在就想能不能
2015-09-15 09:15:59
1751
转载 【matlab】matlab文件操作fopen,fseek,fread,fclose等
文件操作是一种重要的输入输出方式，即从数据文件读取数据或将结果写入数据文件。MATLAB提供了一系列低层输入输出函数，专门用于文件操作。1、文件的打开与关闭 1）打开文件在读写文件之前，必须先用fopen函数打开或创建文件，并指定对该文件进行的操作方式。fopen函数的调用格式为：fid=fopen（文件名，‘打开方式’）说明：其中fid用于存储文件句柄
2015-09-14 16:10:54
36337
2
原创 台湾国立大学机器学习技法.听课笔记（第三讲） :Kernel Support Vector Machine
台湾国立大学机器学习技术.听课笔记（第三讲） :Kernel Support Vector Machine一，kernel trick(kernel技巧)1，kernel 的引出对偶SVM的目标是：但是正如上一讲中对偶问题讲到的，我们还隐藏计算q_(n,m)时要依据d～来看SVM的计算量。我们算q_(n,m) 时是先转换后计算，那我们想能不能用其他方式减
2015-09-10 13:03:42
918
原创 台湾国立大学机器学习技术.听课笔记（第二讲） :Dual Support Vector Machine
台湾国立大学机器学习技术.听课笔记（第二讲）:Dual Support Vector Machine一，Motivate of Dual SVM(对偶SVM的动机)上一讲我们知道要想假设尽可能的少，边界尽可能的精细，我们可以采用non-linear SVM。即Large-MarginHyperplane + numerous feature transform:
2015-09-08 10:11:44
1148
转载 关于拉格朗日乘子法与KKT条件的相关数学概念
关于拉格朗日乘子法与KKT条件的相关数学概念作者：@wzyer原文出处：http://www.moozhi.com/topic/show/54a8a261c555c08b3d59d99
2015-09-06 20:11:17
1041
原创 台湾国立大学机器学习技术.听课笔记（第一讲）：Support Vector Machine
台湾国立大学机器学习技术.听课笔记（第一讲）：Support Vector Machine一，course introducation 我们机器学习技术将要学习的主要是围绕特征转换来讲，把维数降低，我们说他是支撑向量机(SVM)；找出比较具有预测性的特征，把他们混合起来，我们把它称为逐步增强法（Adaptive Boosting）；找出数据中隐含的信息，做进一步的处理，
2015-09-02 22:22:45
2270
原创 梁启超写给梁思成及儿女的信
梁启超写给梁思成及儿女的信介绍：梁启超先生不但是我国历史上著名的思想家、文学家和政治家，在教育子女方面也是极有成就，九个子女中的思顺、思成、思永、思忠、思庄、思达、思礼分别成为了我国现当代贡献杰出的诗词学家、建筑学家、考古学家、军官、图书馆学家、经济学家及火箭自动控制专家。九人中有梁思成、梁思永、梁思礼三人是中国科学院院士，一个家庭中出了三个院士这也是极少见的。梁家后代能取得如此辉
2015-09-02 20:34:48
7364
原创 台湾国立大学机器学习基石.听课笔记（第十六讲二）：Three Learning Principle
台湾国立大学机器学习基石.听课笔记（第十六讲二）：Three Learning Principle机器学习基石16讲的总结1，机器学习的相关领域2，机器学习的理论基础3，机器学习的线性模型4，机器学习的工具5，机器学习的锦囊妙计6，我们将会学到
2015-08-31 21:52:20
824
原创 台湾国立大学机器学习基石.听课笔记（第十六讲一）：Three Learning Principle
台湾国立大学机器学习基石.听课笔记（第十六讲一）：Three Learning Principle一，Occam's Razor相对简单的模型，也许对数据的训练和测试得出来的结果更好。1，从数学理论说2，从逻辑上来说二， Sampling Biase根据数据的特点，我们做测试和训练时采的数据也要有特点。所以：1，训练和测试的数
2015-08-31 21:40:16
933
原创 台湾国立大学机器学习基石.听课笔记（第十五讲）：validation
台湾国立大学机器学习基石.听课笔记（第十五讲）：validation1，模型选择的问题(Model selection problem)我们在前面的10几讲中已经学到很多算法的模型，那我们在给出一个实际问题后，怎么选择模型呢？在实际情况中，很容易出现过拟合（overfitting）和计算量过大的问题，所以如何选择A_m和E_in是我们现在要解决的问题。
2015-08-27 22:30:11
894
原创 台湾国立大学机器学习基石.听课笔记（第十四讲）：Regularization
台湾国立大学机器学习基石.听课笔记（第十四讲）：Regularization1，Regularization Hypothesis set我们有上一讲的假设集合可知：我们发现发生overfitting的一个重要原因可能是假设过于复杂了，我们希望在假设上做出让步，用稍简单的模型来学习，避免overfitting。例如，原来的假设空间是10次曲线，很容易对数据过拟合；我们希望它变得
2015-08-25 10:15:27
970
转载 卷积的本质及物理意义（全面理解卷积）
卷积的本质及物理意义提示：对卷积的理解分为三部分讲解1）信号的角度2）数学家的理解（外行）3）与多项式的关系1 来源卷积其实就是为冲击函数诞生的。“冲击函数”是狄拉克为了解决一些瞬间作用的物理现象而提出的符号。古人曰：“说一堆大道理不如举一个好例子”，冲量这一物理现象很能说明“冲击函数”。在t时间内对一物体作用F的力，倘若作用时间t很小，作用力F很大，但让Ft的乘积不变，即冲量
2015-08-24 17:19:36
5080
2
原创 台湾国立大学机器学习基石.听课笔记（第十三讲）：harzard of overfitting
台湾国立大学机器学习基石.听课笔记（第十三讲）：harzard of overfitting1，什么是过拟合(overfitting)简单的说就是这样一种学习现象：Ein很小，Eout却很大。而Ein和 Eout都很大的情况叫做 underfitting。这是机器学习中两种常见的问题。上图中，竖直的虚线左侧是"underfitting",左
2015-08-21 11:26:48
832
转载 你应该掌握的七种回归技术
你应该掌握的七种回归技术【编者按】回归分析是建模和分析数据的重要工具。本文解释了回归分析的内涵及其优势，重点总结了应该掌握的线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索回归、ElasticNet回归等七种最常用的回归技术及其关键要素，最后介绍了选择正确的回归模型的关键因素。什么是回归分析？回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器
2015-08-21 10:44:58
801
1
原创 台湾国立大学机器学习基石.听课笔记（第十二讲）：Nonlinear Transformation
台湾国立大学机器学习基石.听课笔记（第十二讲）：Nonlinear Transformation前面的分析都是基于“线性假设“，它的优点是实际中简单有效，而且理论上有VC维的保证；然而，面对线性不可分的数据时（实际中也有许多这样的例子），线性方法不那么有效。今天我们就把他扩展到非线性问题。1、二次假设对于下面的例子，线性假设显然不奏效：我们可以看出，二次曲线
2015-08-20 16:43:24
731
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