qing101hua的专栏

动态规划一般可分为线性动规，区域动规，树形动规，背包动规四类。举例:线性动规:拦截导弹，合唱队形，挖地雷，建学校，剑客决斗等;区域动规:石子合并， 加分二叉树，统计单词个数，炮兵布阵等;树形动规:贪吃的九头龙，二分查找树，聚会的欢乐，数字三角形等;背包问题:01背包问题，完全背包问题，分组背包问题，二维背包，装箱问题，挤牛奶(同济ACM第1132题)等;

数学中最优化问题的一般表述是求取，使，其中是n维向量，是的可行域，是上的实值函数。凸优化问题是指是闭合的凸集且是上的凸函数的最优化问题，这两个条件任一不满足则该问题即为非凸的最优化问题。其中，是 凸集是指对集合中的任意两点，有，即任意两点的连线段都在集合内，直观上就是集合不会像下图那样有“凹下去”的部分。至于闭合的凸集，则涉及到闭集的定义，而闭集的定义又基于开集，比较抽象，不赘述，这里

1. 线性代数 (Linear Algebra)：我想国内的大学生都会学过这门课程，但是，未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础，对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课，后来到了香港后，又重新把线性代数读了一遍，所读的是Introduction to Linear Algebra (3rd Ed.)  by Gilber

深度学习（Deep Learning），这是一个在近几年火遍各个领域的词汇，似乎所有的算法只要跟它扯上关系，瞬间就显得高大上起来。但其实，从2006年Hinton在Science上的论文算起，深度学习发展至今才不到十年。 在这短短几年时间里，深度学习颠覆了语音识别、图像分类、文本理解等众多领域的算法设计思路，渐渐形成了一种从训练数据出发，经过一个端到端（end-to-end）的模型，然后直接输

caffe官网：http://caffe.berkeleyvision.org/1.最原始的最开始版本：伯克利BVLC版https://github.com/BVLC/caffe主要在Linux上运行，有matlab和Python接口傻瓜都能学会的配置教程：Caffe+Ubuntu14.04+CUDA6.5新手安装配置指南：http://www.

实时SLAM的未来及深度学习与SLAM对比The Future of Real-Time SLAM and Deep Learning vs SLAM学习笔记作者：家辉， 日期：2016-07-10 CSDN博客： http://blog.csdn.net/gobitan/本文是作者(Tombone)对2015年12月18日计算机视觉国际会议实时SLAM小组