- 博客(12)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 贯穿时域与频域的方法——傅立叶分析（直观理解+Matlab实现）
Q1：时域与频域是什么？时域故名思议就是随着时间的推移，我们所能直观感受的东西或事物，比如说音乐，我们听到动听的音乐，这是在时域上发生的事情。而对于演奏者来说音乐是一些固定的音符，我们听到的音乐在频域内是一个永恒的音符，音符的个数是有限且固定的，但可以组合出无限多的乐曲。傅立叶也告诉我们，任何周期函数都可以看作不同振幅，不同相位的正弦波的叠加。就像用音符组合出音乐一样。贯穿时域和频
2018-01-21 14:16:59
67808
39
原创 小白学数据结构——四、排序算法Python（桶、计数、基数排序）
在早些的文章中，我们讲过了常见的比较排序算法，详情请回顾： 小白学数据结构——四、排序算法Python（冒泡、选择、快速、插入、希尔、归并排序）那么我们这次就来看一些不是基于比较的排序算法，包括了桶排序，计数排序，基数排序。1.桶排序说起桶排序，就先来介绍一下我们加下来要用的桶，说的就是下面这个桶（当然不是用来装垃圾的），桶盖表示游标index，桶身上表示该游标下的数据data，没错
2018-01-22 17:13:10
3538
原创 UFLDL教程笔记（二）
一、Softmax回归Softmax是逻辑回归在多分类问题上的扩展，适合有k类情况下的分类任务。1.1 Softmax回归的期望函数和代价函数首先看下逻辑回归的假设函数： hθ=11+e−θTxh_\theta =\frac {1}{1+e^{-\theta ^T x}} 更多逻辑回归请戳： http://blog.csdn.net/qq_33414271/articl
2018-01-19 16:44:32
885
原创 生成式分类器 VS 判别式分类器
生成式分类器和判别式是根据两种不同的设计方法而得到的，即利用生成模型设计了生成式分类器，用判别模型设计了判别式分类器。一、生成模型的方法1.1 生成方法由数据学习联合概率分布P(D,H)P(D,H)求出条件概率P(H|D)P(H|D)作为预测模型，即生成模型根据后验概率P(H|D)P(H|D)进行分类 这里H可以认为是hypothesis，即预测，也是类别；D为
2018-01-18 09:59:11
5470
1
原创 密码编码学与网络安全讲的是什么
Q1：密码编码学与网络安全是什么？密码编码学与网络安全顾名思义包括了两大部分，一类是关于“密码算法和协议”，一类是“网络的安全”，实际上还是大量地依赖密码技术。密码算法和协议可以分为4个领域：对称加密：可以加密任意长度的数据块和数据流的内容（因为速度相对比较快），共享秘钥非对称加密：用于加密小的数据块（速度相对较慢），常用于数字签名或hash值得计算，秘钥分为私钥和公钥。数据完整
2018-01-16 20:33:16
1567
2
原创 GAN生成对抗网络从入门到实践——入门级
自2014年Ian Goodfellow提出生成对抗网络(GAN)的概念后,生成对抗网络变成为了学术界的一个火热的研究热点，Yann LeCun更是称之为”过去十年间机器学习领域最让人激动的点子”. 生成对抗网络包括一个生成器(Generator,简称G)生成数据，一个鉴别器(Discriminator,简称D)来鉴别真实数据和生成数据,两者同时训练,直到达到一个纳什均衡，生成器生成的数
2018-01-12 16:52:51
5482
5
原创 《Text Mining and Analytics》学习笔记——第四周
文本聚类Q1：什么是文本聚类？Q2：为什么使用文档聚类？Q3：文本聚类应该怎么做？方法1：使用生成概率模型方法2：基于相似度的方法HAC：K-means聚类Q4：到底哪个聚类模型好呢？文本分类Q1：什么是文本分类？Q2：为什么要是用文本分类Q3：怎么样来进行文本分类？生成式的分类器—-看哪些数据应该分为一个类别文本聚类 文本聚...
2018-01-11 13:00:13
1237
2
原创 物理层——概述
Q1：物理层的作用是什么？屏蔽传输媒体和通信手段的差异，为数据链路层提供服务Q2：什么是数据通信系统？数据通信系统包括三大部分法，分别是：源系统→传输系统→目的系统一些基本概念数据(data)——运送消息的实体。信号(signal)——数据的电气的或电磁的表现。 “模拟的”(analogous)——代表消息的参数的取值是连续的。 “数字的”(digital)——代表
2018-01-10 16:03:27
1747
2
原创 计算机网络概述
计算机网络是一些互相连接的、自治的计算机的集合。Q1：互联网最重要的两个特点是什么？A1：连通性和共享性连通性 互联网用户之间，不管距离有多远，都可以非常便捷、非常经济（大多数情况下免费）地交换各种信息，好像所有的终端都是连接在一起的一样。共享性（资源共享） 信息共享，软件共享，硬件共享等，由于网络的存在，这些资源就好像在用户身边一样可以方便的使用。Q2：因特网发展
2018-01-10 11:36:43
2051
3
原创 UFLDL教程笔记（一）
UFLDL教程作为深度学习入门非常好的一个教程，为了防止自己看过忘过，所以写下笔记，笔记只记录了自己对于每个知识点的直观理解，某些地方加了一些使自己更容易理解的例子，想要深入了解建议自己刷一遍此教程。一、稀疏自编码器神经网络 上图是一个基本的神经网络模型。我们使用圆圈来表示神经网络的输入，标上“+1”的圆圈被称为偏置节点，也就是截距项。神经网络最左边的一层叫做输入层，最右的一
2018-01-08 23:00:51
6257
1
原创 从0开始安装pytorch——ubuntu
第0步：安装Anaconda30.0 下载镜像官网链接：https://www.anaconda.com当然会下载很慢的啦，所以一般会用清华的镜像链接清华镜像链接：htirrors.tuna.tsinghua.edu.cn/anaconda/archive/速度提升不止一个数量级哦0.1 安装安装命令bash Anaconda3-4.3.1-Linux-x86.sh
2018-01-07 16:54:10
1189
原创 《Text Mining and Analytics》学习笔记——第三周
上周我们留了一个问题：在使用最大似然法时如何去掉那些并不重要但实际上出现次数又很多的单词呢？这周就以这个问题开始进一步的学习概率主题模型吧。一元语言混合模型 怎么能避免那些并不重要但实际上出现次数又很多的单词对结果的影响呢？我们很自然的就会想到将a，the这类单词和其他的单词分开，也就是需要两个或多个分布来表示一个模型。正如下图所展示的一样，我们用了两个分布来...
2018-01-03 14:37:40
2314
64位msvcp120d&msvcr120d;
2018-02-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人