自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 资源 (1)
  • 收藏
  • 关注

原创 C+sqlite笔记(2)

在笔记(1)中记录了安装,创建工程,open,create,insert以及批处理一些基本的方法。但忘记说明最重要的select怎么实现的了。本文主要记录一下select的实现方式。首先我打开之前创建的表students,里面内容有:(当时为了方便,全定义成varchar了)id: 00001, name: SUE, sex: FAMALE, age: 10id: 00002, name...

2019-09-02 11:12:07 123

原创 C+sqlite笔记(1)

0. 前言最近小蕊同学工作中遇到了在后端处理时调用sqlite的问题,于是做一点简单的总结。1. 安装sqlite不需要进行复杂的安装,但是为了后续项目需要,可以将源码先编译成静态链接库。具体细节可以参照[1]中作者所给出的步骤,在这里只做简单的总结。1.1首先是在官网[2]中下载sqlite-amalgamation-3290000.zip(Source code...

2019-08-15 17:19:22 305

转载 L1与L2正则化

L1:其中第二项为L1正则化项,对w求偏微分:则第i个w的更新式为:可以看到,L1正则化使得每次更新时,固定加上或减去某一个常数,当w为正时做减法,反之做加法。这样一来使得值偏小的w,尽可能为0,以达到简化模型的目的。这里值偏小的w可以认为是‘对应于与输出无关的输入’,即该特征与目标无关联。(与L0正则化相似) L2:其中第二项为L2正则化项,对w求...

2018-09-03 21:52:08 137

原创 EM算法的推导

0. Jensen不等式这里不做证明,只列举下文要用到的结论对在上为凸函数,即时,有,当且仅当X为常量时去等号(即a=b)1. EM推导设样本集,则似然函数的对数形式为:当含有隐变量z,则难以用MLE对计算。加入隐变量后,此时加入Q函数,作为z的某个分布,因此我们通过不断调整参数与变量z,使J不断逼近E步:固定,调整Q,使(可以证明)。...

2018-08-30 14:35:56 161

原创 Bias and Variance

一张比较经典的图[1]: 数学推导:第一项是Variance, 第二项是Bias(,即分类器的预测)[1] https://blog.csdn.net/wuzqChom/article/details/75091612 一个经典的问题:boosting降低Bias,而bagging(例如RF)降低Variance[2]。1.boosting例如A...

2018-08-27 13:27:40 142

原创 关于BN层的一点理解

一直以来对BN层两个学习参数belta和gamma不太理解,今天又在知乎问题上看到了“请问batch_normalization做了normalization后为什么要变回来?”这个问题,题主好像跟我之前想的一样(笑)。于是认真查阅了相关资料,得到以下一点见解: Internal Covariate Shift(ICS)[1]:对 DNN 某一层,随着 GD 训练的过程中参数的改变,该层的...

2018-08-23 12:55:33 6706 1

原创 盲均衡CMA算法调参

目标:研究CMA各个参数对算法收敛的影响。内容:1. batch,2. 信号的length,3. kernel_size (EQ滤波器阶数), 4. step_size.所得结论可以同理移植到MMA等类似学习算法。下图是QPSK信号经过多径衰落信道(path=4,tau=[0, 0.5, 1, 2])前后的星座图1.    Batch如图,考察了 batch=2, 10, 50, 100时的情况(...

2018-05-18 15:29:16 7783 6

原创 机器学习笔记(1)从boost到xgboost

A. ensemble method将几个模型(可能是分类器)通过某种方式组合在一起,共同完成任务。通常可分为两大类:1. Averaging method例如 Bagging, RF。其主要工作在于数据的采样方式,比如是否随机采样,是否有放回等等。子分类器通常为能力较强的模型。最终结果常常取子分类器的算术平均。2. boosting method可以使用“弱”分类器,依次,逐个对子模型进行训练,...

2018-05-04 21:26:05 315

原创 在C#里利用XML进行数据读写以及修改

首先来用C#进行建立含有以上内容的xml文档,保存在程序同目录下的"data.xml"里注意,在xml里节点(Node)的意义是 ""或者" xxx ",也就是说,是一个整体。而元素(Element)的意义与节点有交集,但不等于节点,可以是是构成节点的几个元素,比如是Element,而结尾的叫做EndElement。using System.Xml;XmlDocument x

2015-05-17 20:16:50 621

原创 .net笔记

初学.net ,某日傍晚纠结于吃什么。于是决定开始弄一个基于WPF的【吃什么】。以下指示记录自己学到东西。1.List容器  a. List Name = new List();b.Name.Add(item);Name.insert(loc, item);//loc 指下标Name.remove(item);Name.removeAt(loc);Name.Co

2015-05-07 14:22:44 319

广度搜索 c++

用C++写的 BFS (brand first search)广度优先搜索

2013-12-30

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除