LanQiuChaoRen的专栏

============外一篇 有关mapminmax的用法详解 by faruto==================================几个要说明的函数接口:[Y,PS] = mapminmax(X)[Y,PS] = mapminmax(X,FP)Y = mapminmax('apply',X,PS)X = mapminmax('reverse',Y,PS)

深度学习（Deep Learning），又叫Unsupervised Feature Learning或者Feature Learning，是目前非常热的一个研究主题。本文将主要介绍Deep Learning的基本思想和常用的方法。一. 什么是Deep Learning？实际生活中，人们为了解决一个问题，如对象的分类（对象可是是文档、图像等），首先必须做的事情是如何来表达一

常见面试之机器学习算法思想简单梳理投稿人/作者: 新浪微博：tornadomee 发布时间：2013-11-15 23:45:10   投稿到ChinaKDD前言：　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕

在ufldl的课程中了解到weight decay，查询了

文章转自大牛 Rachel Zhang

问答http://www.quora.com/What-is-data-science  数据科学是什么？http://www.quora.com/How-do-I-become-a-data-scientist  我怎样才能成为一个数据科学家？http://www.quora.com/Data-Science/How-does-data-science-dif

K-SVD has become a popular dictionary learning method for deriving dictionaries which can sparsely represent the given signals. It is an enhancement of K-means clustering method.

由于课程设计选的题目是基于神经网络的综合评价，利用暑假时间用C#实现的bp神经网络。此bp神经网络包含1个隐藏层，其中输入层，隐藏层，输出层个数都可以根据需要更改。

转载请声明出处。by watkins songPCA的一些基本资料最近因为最人脸表情识别，提取的gabor特征太多了，所以需要用PCA进行对提取的特征进行降维。本来最早的时候我没有打算对提取的gabor特征进行降维，但是如果一个图像时64*64,那么使用五个尺度八个方向的gabor滤波器进行滤波，这样提取的特征足足有64*64*5*8这么多，如果图像

深度神经网路已经在语音识别，图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第五篇，谈谈PCA模型。本来PCA模型与深度学习是没有任何联系的。通常我们只是用PCA来对机器学习的数据做预处理。本来想详细记录一下PCA的原理，但网上已经有一篇不错的文章，链接如下：

著名的科学杂志《Nature》于1999年刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negative Matrix Factorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。该论文的发表迅速引起了各个领域中的科学研究人员的重视：一方面，科学研究中的很多大规

function [Q,CI,CR]=levelAnalysis(A)[m,n]=size(A);RI=[0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51]; %RI的值R=rank(A); %求A的秩[V,D]=eig(A); %求A的特征值和特征向量，其中D为特征值,V为特征向量B=max(max(D)); %获得最大的特征

支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[.　　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错

博主前言：此文章来自一份网络资料，原作者不明，是我看过的最好的一份遗传算法教程，如果你能耐心看完他，相信你一定能基本掌握遗传算法。         遗传算法的有趣应用很多，诸如寻路问题，8数码问题，囚犯困境，动作控制，找圆心问题（这是一个国外网友的建议：在一个不规则的多边形 中，寻找一个包含在该多边形内的最大圆圈的圆心。），TSP问题（在以后的章节里面将做详细介绍。），生产