- 博客(11)
- 资源 (12)
- 收藏
- 关注
转载 install package for two version of python
Create virtual environments for python with condahttps://uoa-eresearch.github.io/eresearch-cookbook/recipe/2014/11/20/conda/Check conda is installed and available Update conda if necessary Creat...
2018-12-26 09:14:07 131
原创 回调函数
回调函数:request = prepare_the_request()send_request_asynchronomously(request, function(response) { display(response);})异步请求,提供一个当服务器的响应到达时随即触发的回调函数。异步函数立即返回,客户端不会被阻碍。当我们传递一个函数作为参数给send_request_asynchro...
2018-03-16 06:29:46 157
原创 Javascript
回调函数:request = prepare_the_request()send_request_asynchronomously(request, function(response) { display(response);})异步请求,提供一个当服务器的响应到达时随即触发的回调函数。异步函数立即返回,客户端不会被阻碍。当我们传递一个函数作为参数给send_request_asynchro...
2018-03-11 20:55:49 121
原创 SQL Inner Join
内连接(INNER JOIN)实例原始的表 (用在例子中的):"Persons" 表:Id_PLastNameFirstNameAddressCity1AdamsJohnOxford StreetLondon2BushGeorgeFifth Ave
2015-05-28 22:11:58 350
转载 Flex ShareObject
有人问flash怎么在本地存储信息的问题想起在 http://www.ultrashock.com 看到的一篇关于SharedObject的文章挑了一部分翻译了一下,也做了一些补注。第一次做翻译工作,弄得不好各位多见谅。什么是本地ShareObject?通过flash 6 player,开发人员已就可以在客户端存储数据了,就像cookies一样。ShareObject有
2014-11-19 20:45:45 375
转载 几何变换---计算机图形学
2.3.3 基本二维变换 基本二维变换有比例变换(Scaling)、旋转变换(Rotating)、错切变换(Shearing)和平移变换(Translating)。 1)比例变换 比例变换就是将平面上任意一点的横坐标放大或缩小S11倍,纵坐标放大或缩小S22倍,即 其中S称为比例变换矩阵。图2.24是比例变换的几个例子。图中(b)是S11=S22的情况,(C)是S11
2014-11-08 17:44:04 2523
原创 ReDim, split
ReDim S_szSimeiNos(S_szCount - 1) //数组变量重新分配存储空间 ReDimA(4)'这样改变大小时会清空原来的数据 ReDimPreserve A(4)'这样改变大小时会保留原来的数据 split() 方法用于把一个字符串分割成字符串数组。Split()---"." "|""*" "\" "]" 关于点
2014-11-04 13:35:52 382
转载 QASJ1-ASP.NET IsPostBack
1、IsPostBack介绍Page.IsPostBack是一个标志:当前请求是否第一次打开。 调用方法为:Page.IsPostBack或者IsPostBack或者this.IsPostBack或者this.Page.IsPostBack,它们都等价。 1)当通过IE的地址栏等方式打开一个URL时是第一次打开, 当通过页面的提交按钮或能引起提交的按钮以POST的方式提交的服务器时,页面
2014-11-04 10:28:55 312
转载 语音识别系统原理介绍-----dnn-hmm
最近看到一个ASR的课程,很不错吧。网址:http://www.inf.ed.ac.uk/teaching/courses/asr/。大家有时间可以去看下…… 接下来就开始说dnn-hmm系统吧。所谓的这个就是把之前gmm这部分换成dnn,基于这个我们可以认为,深度学习模型可以更好的去模拟我们的语音信号吧。先上个总图吧:看到这个图大家应该都可以很清楚地去理解了。下面分开介绍:
2014-05-24 18:21:54 2278
转载 从决策树学习谈到贝叶斯分类算法、EM、HMM
第一篇:从决策树学习谈到贝叶斯分类算法、EM、HMM(Machine Learning & Data Mining交流群:8986884)引言最近在面试中,除了基础 & 算法 & 项目之外,经常被问到或被要求介绍和描述下自己所知道的几种分类或聚类算法(当然,这完全不代表你将来的面试中会遇到此类问题,只是因为我的简历上写了句:熟悉常
2014-05-24 18:00:34 1300
转载 语音识别系统原理介绍----gmm-hmm
从寒假前的博客:语音识别系统原理介绍---从gmm-hmm到dnn-hmm,最近有时间的时候我还是在不断的去理解gmm-hmm这个基准模型。下面我讲从提玩mfcc特征开始说起,希望可以让你有所收获吧。 提完mfcc特征,就相当于剩下一个13维*帧数的矩阵。接下来,就是用混合高斯模型了。怎么用?就用多维的高斯模型区模拟我们得到的矩阵,相当于拟合。相当于我们假设其服从高斯分布,然后我们
2014-05-24 17:39:29 743
user-based collaborative filtering
2018-12-11
Introduction to data mining 课后答案 169页
2018-09-08
水晶报表Crystal Reports的参考实例,做成PDF
2011-04-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人