- 博客(15)
- 收藏
- 关注
RSS订阅原创 Gate使用手册（四）数据输出
原文通道http://wiki.opengatecollaboration.org/index.php/Users_Guide:Data_outputGate中，你必须给定一个名字，不然默认数据输出是关闭的所有的命令行必须写在initialization之后/gate/output/...一ASCII和二进制输出GateToASCII/GateToBinary类允许ASCII/...
2019-08-14 20:09:20
3023
1
原创 Gate用户手册（三）定义一个系统
原文链接http://wiki.opengatecollaboration.org/index.php/Users_Guide:Defining_a_system系统的定义系统是Gate中的关键概念，它提供预定义的几何体来仿真一个扫描器，一个系统可以用来模拟几个具有相同一般几何特征的扫描器。可以被当做一种的模板，这种模板以tree level的确定方式存储，含有一些关键成分，每一个成分扮演...
2019-08-14 20:08:42
1212
原创 Gate用户手册（二）怎样运行Gate以及可视化
原文通道：http://wiki.opengatecollaboration.org/index.php/Users_Guide:How_to_run_Gate#Interactive_mode原文通道：http://wiki.opengatecollaboration.org/index.php/Users_Guide:Visualization#Visualization_with_Ope...
2019-08-13 11:03:17
5005
3
原创 Gate 用户手册（一）总体概念
参考网站http://wiki.opengatecollaboration.org/index.php/Users_Guide本文并非完全翻译，会根据情况适当缩减。生命有限，能少就少。综述： 这部分介绍使用Gate进行仿真所必经的一些步骤，并用了一些简单的例子介绍。更加详细的介绍在用户手册的后面部分，Gate的使用不需要任何C++编程，这得益于扩展geant4本机命令的专用脚本机...
2019-08-08 15:36:19
4576
1
原创 Gate 练习二
原文连接https://davidsarrut.pages.in2p3.fr/gate-exercices-site/docs/exercice2/3D分布 1.照ex2.mac说的改变3D dose,描述所有的输出，分析3D分布（用vv）和3D不确定性，分析stat-pat.txt文件（输出文件plot-ex2.gp）.改变3Ddose参数。 2.vv例子：vv data/p...
2019-08-04 16:47:05
498
2
原创 Gate 练习一
原文网址https://davidsarrut.pages.in2p3.fr/gate-exercices-site/docs/exercice1/步骤一 1.进入 exercices,读mac/ex1.mac文件来理解仿真的目的。注意：/control/executu <filename>命令包含给定文件的内容，允许把宏文件分成几个文件。 2.用Gate mac/...
2019-08-04 16:20:04
704
原创 精确度（accuracy）和分辨率（resolution）
精确度和分辨率的区别：打开手机，拍摄一张图片，它的分辨率是恒定的1920*1080，然后拍一张照片，把焦点调远再拍摄一张，这两张图片的分辨率一样，但是精确度是不一样的。精确度是指错误少，看得远，看得清。属于相机的性能分辨率是指单位物理范围内的像素点个数。属于屏幕的性能...
2019-07-06 20:53:20
4886
原创 今日总结
1.对抗网络是指，当输出x'与x很接近，人类察觉不出来差别，但是网络对这个误差很敏感，一种解决方法是训练带噪声的x'，让输出y'与y接近2.K近邻法，kd树3.隐形马尔科夫模型，计算观测的前向算法4.条件随机场的参数化形式和简化形式...
2019-07-02 22:36:04
71
原创 为什么提前终止训练相当于正则化+稀疏表示+集成方法+感知机学习算法
1.为什么提前终止训练相当于正则化左边是提前终止的效果，右边是正则化的效果可见，只要适当选择停止时的w~,就可以得到类似正则化的效果从数学角度怎么分析呢？与分析L2正则化时类似，我们把J的最小值w*附近近似为二次函数这样可以得到第τ次迭代和第τ-1次迭代的递推表达式特征值分解假设那么可得而L2正则化对比可看出，当时，正则化和提前终止训练时等价的。两边取对数，...
2019-07-01 22:22:46
661
原创 L2、L1正则化+增加噪声（网络/输出）+半监督/多任务+生成模型/判别模型
1.L2、L1正则化L2:放公式：一步的情况：**从整体看，**分析最小值W附近的情况，假设J在W取得最小值，我们可以用二次函数来近似表达J在W*邻域：Q:是hessian而不是jacobi?A:因为这里假设的是二次函数，也就是存在二阶导数。如果假设w周围是一次的话，那么就是J(w-w)，J是雅可比矩阵由于是在最小值W*附近，所以H对称半正定。加上weight decay（...
2019-06-30 22:57:15
838
原创 relu/tanh激活函数+反向传播计算图
1.relu/tanh激活函数Q:为什么要有激活函数？A:如果没有激活函数，那么输出只是输入的线性组合，意义不大比如:有输入x1,x2…xn,如果没有激活函数，最终的输出可以写成表达式z=a1×x1+a2×x2+..an×xnz=a1\times x1+a2\times x2+..an\times xnz=a1×x1+a2×x2+..an×xn这还不如直接只用一层直接输出呢，不过，线性...
2019-06-29 21:23:32
3450
1
原创 参数检验/非参数检验+统计学习的模型策略算法+sigmoid/softmax+相对熵+交叉熵
1.参数检验/非参数检验参数检验：通过样本预测分布的参数，需要预知变量分布模型非参数检验：通过样本预测分布形态，无需预知变量分布模型参考百度2.统计学习方法的模型，策略，算法讨论方法：概率法，实数域的映射法回想昨天的贝叶斯方法的公式，有异曲同工的感觉。1.特征空间：对于映射f,如果f(x) = λx，x是特征向量，λ是特征向量，特征空间是针对特定的映射f的特征空间...
2019-06-26 22:21:07
292
原创 Day1:贝叶斯统计法+最大后验估计+学习XOR+拉格朗日对偶性
1.贝叶斯统计法点估计（包含距估计和最大似然估计）属于概率派统计方法还有另外一种估计θ的方法是贝叶斯统计方法（比如最大后验估计）Q:什么是先验，什么是后验？A:先验，θ已知的就是先验，也就是说，在任何事情没发生前，我知道分布p(θ)；后验，只要了跟θ相关的信息（比如样本），来预测p（θ），就是后验。记住下面公式（似乎在学习EKF的时候见过）实例：贝叶斯线性回归与通过...
2019-06-25 22:00:27
245
原创 初次使用牛客网在线编程
牛客网在线编程技术使用OJ(Offline Judge),也就是说牛客网将你敲的代码放到自己服务器的编译器上跑，在服务器端进行输入检测，通过对比输出来查看你写的代码是否正确。...
2019-03-15 17:13:12
6059
原创 基于VC6.0的MFC 的 unresolved external symbol "protected: void __thiscall CDibDlg::OnSetLocation
菜鸟一枚，不知错误原因，但是解决方法为必须声明CDibDlg::OnSetLocation的函数体，可以不写内容。//注意，并不是消息响应函数
2017-07-05 16:16:20
738
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人