qq_32611933的博客

这里是《神经网络与机器学习》以及一些《统计学习方法》的笔记。大概知道为啥《神机》这本讲神经网络的书会把SVM放进去了，从结构上看，SVM跟感知机，使用了核方法的SVM跟单隐藏层的神经网络确实非常相似，而当年Vapnic正式提出SVM的论文题目就叫“支持向量网络”。（虽然主要是因为当时神经网络正火而被要求整这名的）支持向量机（Support Vector Machine，SVM）是一种类似感

这里算是《神经网络与机器学习》第5章的笔记。 其实本章主打的是还是径向基函数，关于核方法的内容不多。核方法的想法就是，把原来线性不可分的样本通过某种非线性变换映射到合适的高维特征空间，使之方便用线性学习器来处理。 径向基函数网络是一种实现方式，其结构类似于单一隐藏层的神经网络，原理是在隐藏层用径向基函数将数据映射到高维特征空间，然后再在输出层对其输出进行线性分类。 这招最经典的应用便是支持向量

这里是《神经网络与机器学习》第三章的笔记… 最小均方算法，即Least-Mean-Square，LMS。其提出受到感知机的启发，用的跟感知机一样的线性组合器。 在意义上一方面LMS曾被用在了滤波器上，另一方面对于LMS的各种最优化方式为反向传播算法提供了思想基础。于是这章书主要是简单介绍LMS算法的原理，并介绍几个简单的最优化方法，然后用物理热力学原理描述LMS算法的学习过程（这个部分太过高深只

《神经网络与机器学习》第4章前半段笔记以及其他地方看到的东西的混杂…第2、3章的内容比较古老预算先跳过。 不得不说幸亏反向传播的部分是《神机》里边人话比较多的部分，看的时候没有消化不良。多层感知机书里前三章的模型的局限都很明显，对于非线性可分问题苦手，甚至简单的异或都弄不了。于是多层感知机（也就是传说中的神经网络）就被发明了出来对付这个问题。多层感知机就是由一系列的感知机，或者说神经元组成，每个神

一入ML深似海啊… 这里主要是《神经网络与机器学习》（Neural Networks and Learning Machines，以下简称《神机》）的笔记，以及一些周志华的《机器学习》的内容，可能夹杂有自己的吐槽，以及自己用R语言随便撸的实现。 话说这个《神经网络与机器学习》还真是奇书，不知是作者风格还是翻译问题，一眼望去看不到几句人话（也许是水利狗看不懂），感觉我就是纯买来自虐的。 作为开始

汇流程序的数据准备前面说过VIC作为分布式水文模型，其功能只有计算产流量而无法给出汇流量，于是要进行汇流操作得用Dag Lohmann研发的一个汇流模型程序进行，其名为Routing，编程语言为Fortran，使用单位线进行坡面汇流以及线性圣维南方程进行河网汇流，输入数据为VIC的输出文件，流域的水系流向信息，以及你想得到模拟的径流量数据的若干个流量站或者流域出口的位置，输出为逐日和逐月的此站点模拟

更正：上篇末尾关于运行汇流程序的部分，在“STEHE.stnloc”文件中需要修改的部分应改为NONE而非none。希望没有太多人因此造成困扰…VIC的输入文件都有啥其实VIC及其汇流程序真正的交互方式都是通过读入文件完成的。它们都要求有一个文件存储各种设定参数，包括运行的日期时间、运行模式以及所需的各种数据文件的位置。 上一篇中启动VIC的命令./vicNl -g /home/.../globa

本科水利狗一枚，正在跟老师做水利信息化方面的项目，VIC是玩的第一个水文模型，边啃官方文档边学其他周边东西边不断鼓捣解决问题终于成功使用。仅面对于需要使用VIC但是不怎么了解计算机的广大水文水利研究人员。由处于水文学和计算机两边不靠的交叉学科的两边半桶水的作者所写，所以还请两边的大牛和蔼指正莫冷嘲热讽。VIC是啥先简单介绍下（我所了解的）VIC水文模型。VIC水文模型，全称Variable Inf