机器学习
sam喵喵
这个作者很懒,什么都没留下…
展开
-
#ifndef与#pragma once方式差别与优缺点
为了避免同一个文件被include多次1#ifndef方式2#pragma once方式在能够支持这两种方式的编译器上,二者并没有太大的区别,但是两者仍然还是有一些细微的区别。方式一: #ifndef __SOMEFILE_H__ #define __SOMEFILE_H__ ... ... //一些声明语句 #endif...转载 2020-05-05 20:00:38 · 623 阅读 · 0 评论 -
解析解、闭合解、数值解
在解组件特性相关的方程式时,大多数的时候都要去解偏微分或积分式,才能求得其正确的解。依照求解方法的不同,可以分成以下两类:解析解和数值解。解析解(analytical solution)就是一些严格的公式,给出任意的自变量就可以求出其因变量,也就是问题的解, 他人可以利用这些公式计算各自的问题. 所谓的解析解是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。用来求得解析转载 2016-11-11 09:04:20 · 2042 阅读 · 0 评论 -
投影矩阵的推导(Deriving Projection Matrices)
本文乃译文,原文地址为: http://www.codeguru.com/cpp/misc/misc/math/article.php/c10123__1/Deriving-Projection-Matrices.htm,由于本人能力有限,有译的不明白的地方大家可以参考原文,谢谢^-^! 译者: 流星上的潴 如需转载,请注明出处,感转载 2016-12-16 14:16:55 · 3163 阅读 · 0 评论 -
投影矩阵与最小二乘
投影矩阵与最小二乘二者有什么必然的联系么,当我开始写这篇文章的时候我也这样问自己。如果Strang教授没有教授这堂课亦或者讲的这堂课没有被放到网上被别人所下载观看,那么...好在一切都是那么的幸运先说说投影吧,这个想必大家都知道,高中的知识了。一个向量(b)在另一个向量(a)上的投影:实际上就是寻找在a上离b最近的点。如果我们把p看作是a的估计值,那么我们定义e转载 2016-12-16 14:25:56 · 996 阅读 · 0 评论 -
深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件
在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最优值;如果含有不等式约束,可以应用KKT条件去求取。当然,这两个方法求得的结果只是必要条件,只有当是凸函数的情况下,才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候,只知道直接应用两个方法,但是却转载 2017-01-12 13:53:17 · 2054 阅读 · 0 评论 -
机器学习中的范数规则化之(一)L0、L1与L2范数
转载:http://blog.csdn.net/zouxy09/article/details/24971995原文:https://blog.csdn.net/zouxy09/article/details/24972869今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这...转载 2017-03-24 00:23:52 · 1236 阅读 · 2 评论 -
神经网络常见的优化措施
原文:https://blog.csdn.net/nini_coded/article/details/79304498欠拟合与过拟合问题是机器学习中的经典问题,尽管相关的讨论和预防方法非常多,但目前在许多任务中仍经常会出现过拟合等问题,还没有找到一个十分通用、有效的解决方法。不过总体上看,现在人们常用的一些很简洁的方法基本上能够较好地解决欠拟合与过拟合问题,总结如下。欠拟合与过拟...转载 2019-04-21 17:43:57 · 1428 阅读 · 0 评论 -
英雄联盟(LOL)外挂原理(仅供学术交流)
了解外挂之前,我们需要先了解一下LOL的机制。首先,粗略的讲,我们每个人操作的角色可以具有『受伤』和『没受伤』两种状态。(什么?这算什么分类?)然后,要触发『受伤』状态,角色需要被『攻击物』产生『碰撞』。比如这样,图中快乐风男被防御塔的『攻击』碰撞到了,于是产生了『受伤』状态,hp减少。而当一个角色HP减为0的时候,角色就会回泉水洗澡。这样,某类外挂就产生了,目的很单纯——避免...转载 2019-05-21 14:34:04 · 23864 阅读 · 7 评论