深度学习demo

1. Stanford Convolutional Neural Network on the MNIST digits dataset 

http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

2. 稀疏编码器找图像的基本单位

吴岸城的《神经网络与深度学习》4.8 章引入的例子。

https://github.com/danluu/UFLDL-tutorial

 

3. logistic 回归 梯度上升算法推导

https://zhuanlan.zhihu.com/p/27907889

 

4. 拉格朗日乘子法如何理解

wiki

https://www.zhihu.com/question/38586401

SVM支持向量机-拉格朗日，对偶算法的初解，svm向量 推荐

支持向量机（SVM）的详细推导过程及注解 推荐

SVM中的对偶问题、KKT条件以及对拉格朗日乘子求值得SMO算法

SVM中引入拉格朗日对偶理解  写了一系列，都可以看看

 5. SVM 惩罚因子

SVM学习（五）：松弛变量与惩罚因子 推荐

SVM之松弛变量和惩罚因子

关于SVM中，对常数C的理解？  知乎

 

6. SVM python 代码 分析

 支持向量机，分析比较详细

转载于:https://www.cnblogs.com/shaohef/p/7867427.html