hebing-CSDN博客

转载进程和现成相关知识积累查找

1. 看到一篇关于进程现成，讲解比较形象的：http://www.ruanyifeng.com/blog/2013/04/processes_and_threads.html

2017-04-10 16:35:59 375

计算机科学方面的学术会议 Computer science conferences 会议查询网站: WikiCFP: http://www.wikicfp.com/cfp/http://www.aconf.org/zh-cn/http://www.call4papers.info/会议排名网站: *** http://www.wi2.fau.de/_fileuploads/research/gen...

2017-03-31 19:44:49 1601

原创生成模型和判别模型，自己看完资料后总结

1. Ref: http://blog.csdn.net/zouxy09/article/details/8195017 讲的非常清晰了。http://www.cnblogs.com/lifegoesonitself/p/3437747.html ---进一步补充丰富理解，然后，知乎上有对应的问题答案，基本看完之后，可以形成对这个领域的基本认识。2. 问题：自己在看的时候，纠结为什么nai

2017-03-19 22:06:16 1176

原创线性回归三个角度理解求解

1. 第一章中，gradient decent梯度下降法，来进行求解最佳值2. 利用对应的矩阵运算公式化简，但是，在拆解对应的矩阵公式的时候，可以运用不同的计算公式，比如对应的()square取消掉绝对值符号，然后，利用x^t*x，进行平方运算，或者说，利用带个元素整体(a-b)^2进行对应的运算，这样也可以，3. 利用linear algebra的projection进行向量空间的投影理

2017-03-17 10:47:02 895

原创梯度下降法

1. 有点忘了梯度下降法：先相关定义（注意其中：因为梯度是cosA 去+1的值，所以，所对应的元素值，就是对应的最大的，这个就可以解释，为什么后面要去梯度的反方向）2. 看wiki的定义，F(x)已知a,梯度得到b，然后F(b)得到最低值，而联想在线性回归用的梯度下降法里面，不想传统的矩阵求解的方法，来进行对应的公式化，把x,y构造成矩阵，形成我们的求解中心，而在梯度下降法中，把theta当成

2017-03-16 23:21:38 242

原创 R&D reading list collected from surfing the Internet

this is a page serves as a reading list I collected when surfing the Internet, especially for R/D project for furthering thinking:1. 20170303:http://www.iiis.tsinghua.edu.cn/~huang/advice.html---s

2017-03-03 22:50:18 310

转载从最大似然到EM算法浅解 http://blog.csdn.net/zouxy09/article/details/8537620

zouxy09的专栏悲喜枯荣如是本无分别，当来则来，当去则去，随心，随性，随缘！-zouxy09@qq.com目录视图摘要视图订阅从最大似然到EM算法浅解2013-01-24 13:14 190665人阅读评论(172) 收藏举报分类：OpenCV（28）计算机视

2017-02-23 22:48:01 3047

转载梯度，方向导数，相关概念

1.http://blog.cvmarcher.com/posts/2015/06/27/gradient-descent/梯度下降法是求解神经网络的方法中最流行的一个，思想很简单，就是函数沿着梯度的方向下降的最快。通常来讲，我们在求解机器学习问题的时候，都会定义一个目标函数，然后基于这个目标函数又定义出损失函数，通过最小化损失函数来使得目标函数达到最优。那么在最小

2017-02-23 17:05:55 792

原创极大似然估计

1. 第一从名称的likelihood描述的就是after,get the parameter，看到了2. http://www.cnblogs.com/liliu/archive/2010/11/22/1883702.html 给了比较清楚的解释，去体会极大似然的含义，运用的空间范围。

2017-02-23 16:07:03 305

转载 density based clustering algorithm,

1. 首先看到这个webSite讲的比较清楚，可以看下，https://blog.dominodatalab.com/topology-and-density-based-clustering/ We're hiring!BLOG HOME LEARN MORE ABOUT DOMINO Density-Based

2017-02-15 11:01:37 2827

原创 CRF 条件随机场

1. http://blog.csdn.net/chlele0105/article/details/14897761 基础入门了解下，概念。知乎，有回答，，https://www.zhihu.com/question/35866596 2. 涉及道德极大似然估计，理论学习：http://www.cnblogs.com/liliu/archive/2010/11/22/1883702.

2017-02-13 16:41:42 1078

原创 BYESIAN NET 学习笔记/课程记录贝叶斯网络

20170213：先看了wiki, 然后看下对应的博客：http://blog.csdn.net/v_july_v/article/details/40984699 这篇文章讲的不错，注意关注，在后面，利用对应的网络连接关系，建立对应的，1. 但是在公式里面的，自己推演的时候，对概念的理解不清楚，联合概率里面，在贝叶斯图里面，影响的因素，只有直接相互连接的概率Node，这样在对应的条件概率里面

2017-02-13 10:41:31 322

原创碰到的有用的数学知识积累

1. 这个公式，常用2.e^x的泰勒展开3.泰勒公式。https://zh.wikipedia.org/wiki/%E6%B3%B0%E5%8B%92%E7%BA%A7%E6%95%B0---这些都经常碰到。

2017-01-18 17:36:05 342

原创计算机--机器学习---机器learning技法sum

-------------

2017-01-12 16:42:10 706

原创 introduction to db--学习记录

sql 部分：1.对于query的寻找，活学活用，不同的部分，对应有不同的解决方式。并且方法不唯一cross product , natural join这些，都是可以相互贯穿运用求解的。

2017-01-06 16:20:24 220

原创 R TREE学习借鉴之路

在trajectory中，R tree是基础，看了论文不是特别明白，看下博客，进一步理解：1. http://blog.csdn.net/v_JULY_v/article/details/6530142/ 比较清楚讲解的link然后，在内部里面，阅读联想b tree提到的仅包含key 在Non leaf 节点的举例，前后联想R TREE，融会贯通2. 代码实现部分，忘了typed

2017-01-04 23:48:18 684

原创线性代数习题求解复习

problem1：Section 2.2. Problem 20: Three planes can fail to have an intersection point,even if no planes are parallel. The system is singular if row 3 of A is aof the first two rows. Find a third

2017-01-04 21:21:46 1219

原创计算机--机器学习---机器learning基石sum

从机器学习基石，开始，重新看文章，复习，2017.1.4：复习了对应的pla算法，重新看PPT，可以发现对应的理解在逐步的加深，并且，辅助着看线性代数的时候，可以发现对应的特征理解，是对于一个space进行展开，我们看到的资料，都是针对某个space进行对应的展开，这样的话，所有的feature都可以进行对应的展开工作，feature的选取，就会进一步的展开。在看PLA的时候，之前第一

2017-01-04 21:07:23 604

转载动态规划学习总结 dynamic programming

因为阅读论文的原因，看到有dynamic programming 就学习一下，在知乎上，看到回答解释帖子：作者：徐凯强 Andy链接：https://www.zhihu.com/question/23995189/answer/35324479来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。我曾经作为省队成员参加过NOI，保送之后也给学

2017-01-04 13:57:49 1612