一路向北

原创 动态规划模型

动态规划跟算法中的动态规划其实是一回事。

原创 非线性规划模型

原创 整数规划模型

原创 线性规划模型

在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(LinearProgramming 简记 LP)则是数学规划的一个重要分支。自从 1947 年 G. B. Dantzig 提出求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的...

原创 python中matplotlib的画图，三维图，柱状图，折线图

首先是三维图，直接上代码：#这个是画三维图的import numpy as npimport randomimport xlrdimport xlwtimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dx=np.linspace(-10,10,20)y=np.linspace(-5,5,...

原创 代数方程与差分方程模型

1  代数方程模型。所谓的代数方程模型就是有一边变量表示未知量，代数方程，即由多项式组成的方程。有时也泛指由未知数的代数式所组成的方程，包括整式方程、分式方程和根式方程。例如：5x+2=7，x=1等。 代数，把algebra翻译成代数，就是用字母代替数的意思，继而推广。随着数学的发展，内在涵义又推广为用群结构或各种结构来代替科学现象中的各种关系。也就是说“代数”本质是个“代”字，通过研究各种抽象结...

原创 python中matplotlib+GSview画矢量图

针对空白太多的EPS文件（1）. 菜单栏  “options--show bounding boxs”  选中.（2）.打开eps图，然后File->PS TO EPS，不选择Automatically calculate Bounding Box，然后点击yes，用鼠标单击上下左右，输入要保存的文件名。注意，这样生成的新文件如果用Gsview打开了看，还是会发现空白依然存在，但是插入LaT...

原创 微分方程模型

在数学建模中，当要描述某事件的数量变化对时间或者其它东西的变化时，可以考虑采用微分方程模型。根据函数及其变化率之间的关系确定函数。根据建模目的和问题分析做出简单的假设。按照内在规律或用类比法建立微分方程。下面2个例子：1   传染病模型：2  战争模型具体可以看ppt，有什么问题欢迎在下面留言。...

转载 人工智能工程师学习路线

原创 增强学习之q_learning

Q-learning的算法思想如下：code as follows if you are interested in it."""'---------T' our environmentA simple example for Reinforcement Learning using table lookup Q-learning method.An agent "o" is on the...

原创 增强学习简介

机器学习有三大分支，监督学习、无监督学习和强化学习，强化学习是系统从环境学习以使得奖励最大的机器学习。人工智能中称之为强化学习，在控制论中被称之为动态规划，两者在概念上是等价的。也被翻译为增强学习。二、概念1.不同于机器学习的其它两个分支：它不是无监督学习，因为有回报（Reward）信号反馈是延时的，而不是即时的数据是与时间有关的序列智能体的动作与后续的数据有关2.强化学习基于一种回报假设：回报是...

转载 springmvc的执行流程

在SpringMVC中主要是围绕着DispatcherServlet来设计，可以把它当做指挥中心。这里先说明一下SpringMVC文档给出的执行流程，然后是我们稍微具体的执行流程，最后是流程大致的源码跟踪。关于很很很详细的源码解析，这里暂先不做。官方文档中的流程首先看下SpringMVC文档上给的流程图：这张图片给了我们大概的执行流程：用户请求首先发送到前端控制器DispatcherServlet...

原创 springmvc和spring的关系

spring 是是一个开源框架，是为了解决企业应用程序开发，功能如下◆目的：解决企业应用开发的复杂性◆功能：使用基本的JavaBean代替EJB，并提供了更多的企业应用功能◆范围：任何Java应用简单来说，Spring是一个轻量级的控制反转（IoC）和面向切面（AOP）的容器框架。◆轻量——从大小与开销两方面而言Spring都是轻量的。完整的Spring框架可以在一个大小只有1MB多的JAR文件里...

转载 spring中的两大核心IOC和AOP

众所周知，Spring的核心特性就是IOC和AOP，IOC（Inversion of Control），即“控制反转”；AOP（Aspect-OrientedProgramming），即“面向切面编程”。参考书《Spring In Action》，下面分享一下我对这两大特性的个人理解。IOC：IOC，另外一种说法叫DI（Dependency Injection），即依赖注入。它并不是一种技术实现，...

原创 数学规划模型的简介

       一般来说，数学规划模型都是指优化问题模型。优化问题可以分为离散的或者是连续的，抑或是有约束的或者是无约束的。有约束的优化问题求解起来比无约束的优化问题难。        在这儿说一下数学建模中的敏感性分析。敏感性分析是指数学模型建立完成之后，对约束条件或者相关系数做一些改变之后，其对最终最优解的影响。就是说，假设条件成为了建模过程中一个影响模型好坏的影响因素,灵敏度分析就是在模型建立...

原创 FP-growth算法

       FP-growth算法是一种用于发现数据集中频繁模式的有效方法。FP-growth算法利用apriori原理，执行更快。Apriori算法产生候选项集，然后扫描数据集来检查它们是否频繁。由于只对数据集扫描两次，因此FP-growth算法执行的更快。在FP-growth算法中，数据集存储在一个称为FP树的结构中。FP树构建完成后，可以通过查找元素项的条件基及构建条件FP树来发现频繁项集...

原创 数学建模的简介

一句话概述，数学建模就是类似于我们高中解应用题的时候，针对一个实际的问题，给出数学方程（模型），然后求解这个模型的过程。当然，在数学建模中，模型的评价也特别重要，因为模型评价可以用来判断你这个数学模型建立的好不好。...

转载 L1 / L2 正规化 (Regularization)

过拟合 我们知道, 过拟合就是所谓的模型对可见的数据过度自信, 非常完美的拟合上了这些数据, 如果具备过拟合的能力, 那么这个方程就可能是一个比较复杂的非线性方程 , 正是因为这里的 x^3 和 x^2 使得这条虚线能够被弯来弯去, 所以整个模型就会特别努力地去学习作用在 x^3 和 x^2 上的 c d 参数. 但是我们期望模型要学到的却是 这条蓝色的曲线. 因为它能更有效地概括数据.而且只需要...

转载 k折交叉验证

转自： https://blog.csdn.net/holybin/article/details/27185659交叉验证（Cross Validation），有的时候也称作循环估计（Rotation Estimation），是一种统计学上将数据样本切割成较小子集的实用方法，该理论是由Seymour Geisser提出的。在模式识别（Pattern Recognition）和机器学习（Machi...

原创 normalization (标准化或者正则化)

通常用于 特征标准化的途径有两种, 一种叫做 min max normalization, 他会将所有特征数据按比例缩放到0-1的这个取值区间. 有时也可以是-1到1的区间. 还有一种叫做 standard deviation normalization, 他会将所有特征数据缩放成 平均值为0, 方差为1. 使用这些标准化手段. 我们不仅可以快速推进机器学习的学习速度, 还可以避免机器学习 学得特...

转载 处理不均衡的数据（imbalanced data）

什么是不均衡数据 不均衡数据的形式很简单. 这里有苹果和梨, 当你发现你手中的数据对你说, 几乎全世界的人都只吃梨, 如果随便抓一个路人甲, 让你猜他吃苹果还是梨, 正常人都会猜测梨.不均衡的数据预测起来很简单. 永远都猜多的那一方面准没错. 特别是红色多的那一方占了90%. 只需要每一次预测的时候都猜红色, 预测准确率就已经达到了相当高的90%了. 没错, 机器也懂这个小伎俩. 所以机器学到最后...

转载 生成对抗网络（GAN Generative Adversarial Nets ）简介

常见神经网络形式 神经网络分很多种, 有普通的前向传播神经网络 , 有分析图片的 CNN 卷积神经网络 , 有分析序列化数据, 比如语音的 RNN 循环神经网络 , 这些神经网络都是用来输入数据, 得到想要的结果, 我们看中的是这些神经网络能很好的将数据与结果通过某种关系联系起来.生成网络 但是还有另外一种形式的神经网络, 他不是用来把数据对应上结果的, 而是用来”凭空”捏造结果, 这就是我们要说...

转载 autoencoder 的压缩与解压

压缩与解压 ¶有一个神经网络, 它在做的事情是 接收一张图片, 然后 给它打码, 最后 再从打码后的图片中还原. 太抽象啦? 行, 我们再具体点.假设刚刚那个神经网络是这样, 对应上刚刚的图片, 可以看出图片其实是经过了压缩,再解压的这一道工序. 当压缩的时候, 原有的图片质量被缩减, 解压时用信息量小却包含了所有关键信息的文件恢复出原本的图片. 为什么要这样做呢?原来有时神经网络要接受大量的输入...

原创 autoencoder的tensorflow实现

先放上代码，效果图如下：from __future__ import division, print_function, absolute_importimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# Import MNIST datafrom tensorflow.examples.t...

原创 tensorflow实现batch_normalization的例子代码

话不多说，直接上代码，看不懂的朋友，欢迎留言。import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltACTIVATION = tf.nn.relu #激励函数N_LAYERS = 7 #层数N_HIDDEN_UNITS = 30 #隐藏层的神经元个数def fix_se...

转载 正则化的理解

regularizer 看字面意思都能意会到本意了吧。我被坑的才叫久，因为我是很晚才看到这个词的英文的，中文译成正则项简直是坑人，所以之前都是从它的作用上倒过来理解的，直到某次无意间看到了英文才顿悟了这个东西的存在的意图。译成“规则项”难道不比“正则项”好么，译成“正则项”简直就是在术语化在门槛化，让领域外的人难以get到它的本意。啰嗦完了，答你。规则化就是...向你的模型加入某些规则，加入先验，...

转载 简述深度学习预训练和正则化

1Deep Neural Network总的来说，根据神经网络模型的层数、神经元个数、模型复杂度不同，大致可分为两类：Shallow Neural Networks和Deep Neural Networks。上节课介绍的神经网络模型层数较少，属于Shallow Neural Networks，而本节课将着重介绍Deep Neural Networks。首先，比较一下二者之间的优缺点有哪些：值得一提...

原创 jdbc连接mysql时报Server time zone不匹配的错误

jdbc 6.0 for java 6.0及以上，都需要设置serverTimezone，否则会报错

转载 机器学习算法汇总

1.人工智能之机器学习体系汇总【直接上干货】此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心，有不当之处欢迎斧正。监督学习 Supervised learning 人工神经网络 Artificial neural network 自动编码器 Autoencoder反向传播 Backprop...

转载 使用maven搭建SSH项目(spring+springmvc+Hibernate)

本文介绍使用eclipse+maven搭建Spring+SpringMvc+Hibernate项目，以登陆为例： 1、创建maven项目 2、把maven项目变为动态网站 3、搭建spring+springmvc+Hibernate项目1 创建maven项目请点击查看：http://blog.csdn.net/tiandixuanwuliang/article/details/79250504#t...

转载 使用IntelliJ IDEA开发SpringMVC网站（二）框架配置

转载请注明出处：Gaussic（一个致力于AI研究却不得不兼顾项目的研究生）。注：此文承接上一文：使用IntelliJ IDEA开发SpringMVC网站（一）开发环境访问GitHub下载最新源码：https://github.com/gaussic/SpringMVCDemo文章已针对IDEA 2016做了一定的更新，部分更新较为重要，请重新阅读文章并下载最新源码。另外：文中的附图部分仍然为旧版...

转载 使用IntelliJ IDEA开发SpringMVC网站（一）开发环境

转载请注明出处：Gaussic（一个致力于AI研究却不得不兼顾项目的研究生）。访问GitHub下载最新源码：https://github.com/gaussic/SpringMVCDemo 文章已针对IDEA 2016做了一定的更新，部分更新较为重要，请重新阅读文章并下载最新源码。另外：文中的附图部分仍然为旧版本，请参照自身版本进行配置。前言       由于近期一直在做学术方面的工作，项目开发相...

原创 最大似然估计

最大似然估计就是找出与样本分布最接近的概率分布模型。

原创 PCA（主成分分析）数学推导

 证明对称阵的不同特征值对应的特征向量是相互正交的，如下：  

原创 Apriori算法进行关联分析

最后附上代码：#加载数据集def loadDataSet(): return [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]#构建候选集C1def createC1(dataSet): C1 = [] for transaction in dataSet: for item in transaction: ...

转载 北大AI公开课

转自 微信公众号 新智元  新智元推荐  整理：张易 胡祥杰 【新智元导读】本文盘点了刚刚结束的北大 AI 公开课的精彩干货，附全部的文字实录链接和视频链接，是全景式地了解中国 AI 产业发展现状和趋势极为珍贵的资料。首先告诉大家，这篇文章盘点了刚刚结束的北大 AI 公开课的精彩干货，附全部的文字实录链接和视频链接，是全景式地了解中国 AI 产业发展现状和趋势极为珍贵的资料。同时，本文摘录了来自1...

转载 嵌入式AI的介绍

「嵌入式 AI」这个概念在当下非常火。不过，它到底是什么?更适合应用到哪些场景里?还有什么是它做不到的?我们应该来听听业内做这一行的专家们的意见。本文引用地址: http://www.21ic.com/news/computer/201711/743355.htm在人工智能迅猛发展的当下，几乎每一家企业都在探索行业的切入点，试图在人工智能大潮中分一杯羹。而在追寻 AI 商业化的道路上，人们逐渐发现...

原创 k均值聚类算法

    聚类是一种无监督学习方法，无监督学习方法没有训练过程。所谓无监督学习是指事先并不知道要寻找的内容，即没有目标变量。聚类将数据点归到多个族中，其中相似数据点处于同一族，而不相似数据点处在不同族。聚类可以使用多种不同的方法来计算相似度。    一种广泛使用的聚类算法是K-均值算法，其中k是用户指定的要创建的簇的数目。 K-均值聚类算法以k个随机质心开始。算法会计算每个点到质心的距离。每个点会被...

原创 基于代价函数的分类器决策控制

在有些实际的情况下，分错为正样本或者负样本的代价是不一样的，那么这个时候我们就可以针对损失函数做一些修改，使之更能处理实际中存在的问题...

原创 处理非均衡问题的数据抽样方法

      一种针对非均衡问题调节分类器的方法，就是对分类器的训练数据进行改造。这可以通过欠抽样（undersampling）或者过抽样（oversampling）来实现。过抽样意味着复制样例，而欠抽样意味着删除样例。不管采用哪种方式，数据都会从原始形式改造为新形式。抽样过程则可以通过随机方式或者某个预定方式来实现。通常也会存在某个罕见的类别需要我们来识别，比如在信用卡欺诈当中。如前所述，正例类别...