wxn704414736的博客

//得到TeacherForm TeacherForm teacherForm=(TeacherForm)form; //构造Teacher对象 Teacher teacher=new Teacher(); //赋值 BeanUtils.copyProperties(teacher,teacherForm); //持久化Teacher对象到数据库 HibernateDAO.save(teacher);　　BeanUtils提供对Java反射和.

转自https://www.cnblogs.com/maikucha/p/10145169.html总结：@Autowired是从IOC容器中获取已经初始化的对象，此对象中@Autowired的属性也已经通过容器完成了注入，整个生命周期都交由容器管控。然而通过new出来的对象，生命周期不受容器管控，自然也无法完成属性的自动注入。...

转自https://www.jianshu.com/p/9dc9f41f0b29Recurrent Neural Networks人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候，你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃，然后用空白的大脑进行思考。我们的思想拥有持久性。传统的神经网络并不能做到这点，看起来也...

详见https://blog.csdn.net/xiao__tian__/article/details/51814617C++中的引用:引用引入了对象的一个同义词。定义引用的表示方法与定义指针相似，只是用&代替了*。引用（reference）是c++对c语言的重要扩充。引用就是某一变量（目标）的一个别名，对引用的操作与对变量直接操作完全一样。其格式为：类型 &引用变量...

转自https://blog.csdn.net/j8121/article/details/51926711在C/C++开发中经常会用到const，这个修饰符。今天就讨论一下它的作用。(1) const用于定义常量：const定义的常量编译器可以对其进行数据静态类型安全检查。这个是开发中经常用到的const的最基本的作用。(2) const修饰函数形式参数：当输入参数为用户自定义类型和...

部分转自https://blog.csdn.net/monsieurliaxiamen/article/details/79638227对文章“Deep neural network embeddings for text-independent speaker verification” 的解读。1. 概要  在实际应用中，往往被测试者或被验证者的语音长度相对较短，若使用传统的PLD...

转自https://blog.csdn.net/zsssrs/article/details/79892523

转自https://blog.csdn.net/youyuyixiu/article/details/53764218介绍深度学习在语音识别领域应用的6篇入门论文：Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups （2012年...

转自https://blog.csdn.net/xmu_jupiter/article/details/47209961

转自https://blog.csdn.net/zyqdragon/article/details/72353420Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型。接下来本文对该网络配置结构中各个层进行详细的解读（训练阶段）：注：下述关于卷积核的尺寸来自于Alex在2012年发表的经典论文...

部分转自http://www.cnblogs.com/ywliao/articles/8116622.html部分转自https://blog.csdn.net/nie19940803/article/details/76358673属性new/delete是C++关键字，需要编译器支持。malloc/free是库函数，需要头文件支持。返回类型new操作符内存分配成功时，返回的...

转自https://blog.csdn.net/xianlingmao/article/details/7919597在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸...

支持向量机的学习问题可以形式化为求解凸二次规划问题。这样的凸二次规划问题具有全局最优解，并且有许多最优化算法可以用于这一问题的求解。但是当训练样本容量很大时，这些算法往往变得非常低效，以致无法使用。所以学习一种快速实现算法——序列最小最优化(sequential minimal optimization, SMO)算法，这个算法1988年由Platt提出。SMO算法是一种启发式算法，其基本思路是：...

本节叙述非线性支持向量机，其主要特点是利用核技巧（kernel trick）。1、核技巧非线性分类问题是指通过利用非线性模型才能很好地进行分类的问题。非线性问题往往不好求解，所以希望能用解线性问题的方法解决这个问题，所采取的方法是进行一个非线性变换，将非线性问题变换为线性问题。通过解变换后的线性问题的方法求解原来的非线性问题。核函数的定义如下。设χ是输入空间（欧氏空间Rn的子集或离散集合），又H为...

线性可分问题的支持向量机学习方法，对线性不可分训练数据是不适用的。因为这时上述方法中的不等式约束并不能都成立。这时就需要修改硬间隔最大化，使其成为软间隔最大化。假设给定一个特征空间上的训练数据集T={（x1,y1），（x2,y2），...，（xN,yN）}，其中xi∈χ=Rn（R的n次方），yi∈γ={-1,+1}，i=1,2,...,N, xi为第i个特征向量，yi为xi的类标记。再假设训练数据...

支持向量机（support vector machine, SVM）是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量还包括核技巧，这使它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划（convex quadratic programming）的问题，也等价于正则化的合页损失函数的最小化问题。支持...

        这几个概念看了挺多遍都还是含混不清，最近看了几篇博客，才算大致理解了一点点皮毛，所以来总结一下。MCMC概述        从名字我们可以看出，MCMC由两个MC组成，即蒙特卡罗方法（Monte Carlo Simulation，简称MC）和马尔科夫链（Markov Chain ，也简称MC）。要弄懂MCMC的原理我们首先得搞清楚蒙特卡罗方法和马尔科夫链的原理MCMC(一)蒙特卡罗...

主成分分析（PCA）原理总结http://www.cnblogs.com/pinard/p/6239403.html用scikit-learn学习主成分分析(PCA)http://www.cnblogs.com/pinard/p/6243025.html线性判别分析LDA原理总结http://www.cnblogs.com/pinard/p/6244265.html用scikit-learn进行L...

详见https://blog.csdn.net/weixin_37933986/article/details/68488339常见的损失函数通常机器学习每一个算法中都会有一个目标函数，算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中，通常使用损失函数（代价函数）作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。不同的算法使用的损...

AdaBoost原理详解详见https://www.cnblogs.com/ScorpioLu/p/8295990.html代码实战之AdaBoost详见https://www.cnblogs.com/ScorpioLu/p/8296561.html