- 博客(9)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 智能标题
小米自带浏览器有个feature很好，下拉时，标题栏会自动隐藏。上拉时，标题栏会显示。 我觉得移动设备上这种设计很必要。特别是在看文章的时候，需要很快的让标题消失。当想看小标题的时候上拉出现屏幕中间章节的小标题。遂写了一个demo，很简单。 <script type="text/javascript" src="http://ajax.googleapis.com/ajax
2013-09-21 22:59:41
1323
原创 6 贝叶斯
假设空间是输出是服从某分布的。包含的内涵在于命题的概率和为1。 其计算过程是概率，故各个输入的影响是连续的叠加的，用例会影响概率；允许通过设置先验概率来影响学习过程；结果是概率向量；可以作为衡量标准。 先验概率和后验概率。 一致学习器：训练集上的输出有零错误率。
2013-09-21 20:51:57
646
原创 5 假设估计 basically empty
假设估计 用有限的用例验证假设的精度。 基本属于数理统计内容，大部分围绕在置信区间上。因为本书的机器学习问题，均是在idd的情况下，通过统计结果对统计量的估计。
2013-09-21 16:21:47
810
1
原创 4 人工神经网络
人工神经网络 目标函数可是是实数、离散或向量。使用计算单元模拟神经元，计算单元有多输入和不变的单值输出。 适用实例是通过属性值对描述事件的；目标函数复杂；数据有误；学习时间长；求值迅速。 结构：感知器、线性单元、sigmoid（s型的）单元。 感知器：输入实数值，输出其线性组合是否大于某值（1/-1）。由此规定假设空间，该空间是线性可分的。 算法六：感知器训练法则，使用感知器测试训练用例
2013-09-20 21:51:53
797
原创 对计算机模拟人脑的一个小想法
在《人工智能的未来》一书中，是这样描述人脑的计算过程的：分为抽象程度不同的六层，层内部有大量的神经突出相互联系，层与高抽象层有极多的联系，高层对下有柱形的联系。信号会逐层向上抽象事物，同时上层的抽象会反馈刺激下层，补全不完整信息。 这个很像个多抽象层次、有层间反馈的全联通带权图。输入将是最底层的数个特征。输出应该是最高层的最可能的概念，或者是按权重随机出一个结果。 计算方法应该是按照salsa
2013-09-19 22:28:49
915
原创 3 决策树
决策树 类似无环的自动状态机。 适用离散目标函数；实例是通过属性值对事件的；析取式；可以有错误数据；可以缺值。 代表实例属性约束的合取的析取式，是完整空间。和第二章的概念学习区别，这个是多可能发散分类，概念学习是限定范围，所以一个析取一个合取。 算法四：ID3，使用分类性能最佳（信息增益最大）的属性作为root，使用除去当前属性的子集递归建树至可以确定目标函数值。有偏性在于属性是
2013-09-19 17:14:19
641
原创 2 概念学习
概念学习，目标函数是个布尔函数，表征该概念是否成立。 有偏学习，假设概念存在于某个全局空间的局部中。文中是在合取式能表示的子集中。 general和special，general than是超集，special than是子集。 方法二：寻找极大特殊假设，用实例泛化最特殊假设。其实就是给每个属性一个取值为0/1的系数，使用所有用例形成一个合取式。其中的反例使用！（a^b）的格式，展开后是析取
2013-09-17 21:34:38
495
原创 1 绪论
机器学习的目标是：通过经验，得到一个能提高计算机处理性能的函数。 通过增加假设简化问题，减少计算量。 系统有：执行系统（解决问题）、鉴定器（日志预处理）、泛化器（分析）和实验生成器（产生新的问题）。 方法一：最小均方LMS。w=w+a*diff*x；
2013-09-17 21:08:34
452
原创 拜读seajs
拜读了seajs的源码，对js大神和js的奇妙更加五体投地，记录几点心得： 1.为了连续调用，在prototype.function后返回this； 2.使用套嵌函数构成闭包； 3.把函数完全看做有（）运算符的对象，用数组和each构成动态运行函数集； 4.对象赋值是传引用; 5.充分利用foo||bar 和foo&&bar简化代码。
2013-09-11 22:39:59
462
基于fjtask jsp的 并行解决数独问题的实现 超炫html5前台
2012-08-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人