馒头and花卷

摘要： [TOC] "Hron K, Menafoglio A, Templ M, et al. Simplicial principal component analysis for density functions in Bayes spaces[J]. Computational Statistic 阅读全文

摘要： [TOC] Series Series([], dtype: float64) 0 1 1 2 2 3 dtype: int64 0 1.0 1 2.0 2 3.0 dtype: float64 0 1.0 1 2.0 2 3.0 dtype: float64 我们可以看到，如果我们不指定dtype 阅读全文

摘要： @[TOC] Group_By .dataframe tbody tr th:only of type { vertical align: middle; } .dataframe tbody tr th { vertical align: top; } .dataframe thead th { 阅读全文

摘要： [TOC] 《数值分析》 David Kincaid, Ward Cheney 著, 王国荣 余耀明 徐兆亮 译. 因为看的论文里用到了样条函数，故查阅了一些资料并整理一下. 定义 样条函数是由一些具有某些连续性条件得子空间上得分段多项式构成. 给定n+1个点$t_0, t_1, \ldots, t 阅读全文

摘要： Draxler F, Veschgini K, Salmhofer M, et al. Essentially No Barriers in Neural Network Energy Landscape[C]. international conference on machine learnin 阅读全文

摘要： Laurent T, Von Brecht J H. Deep linear networks with arbitrary loss: All local minima are global[C]. international conference on machine learning, 201 阅读全文

摘要： [TOC] "Alfaro C A, Aydin B, Valencia C E, et al. Dimension reduction in principal component analysis for trees[J]. Computational Statistics & Data Ana 阅读全文

摘要： @[TOC] "A pure L1 norm principal component analysis" 虽然没有完全弄清楚其中的数学内涵，但是觉得有趣，记录一下. 问题 众所周知，一般的PCA(论文中以$L_2 PCA$表示)利用二范数构造损失函数并求解，但是有一个问题就是会对异常值非常敏感. 所 阅读全文

摘要： [TOC] 支持向量机 本节将依SMO算法训练线性SVM, 核方法的使用可以很方便的进行扩展. 下面的Point的类中的: $$ g(x) = \sum_{i=1}^N \alpha_i y_i k(x_i, x) + b, $$ $$ e = g y, yg = y g $$ 下面是Points类 阅读全文

摘要： [TOC] [Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps ](https://arxiv.org/abs/1312.6034) 问题 这篇文章和ZFnet相似 阅读全文

摘要： [Toc] "Generative Adversarial Nets" 这篇文章，引领了对抗学习的思想，更加可贵的是其中的理论证明，证明很少却直击要害. 目标 GAN，译名生成对抗网络，目的就是训练一个网络来拟合数据的分布，以前的方法，类似高斯核，Parzen窗等都可以用来估计（虽然不是很熟). G 阅读全文

摘要： ZFnet的创新点主要是在信号的“恢复”上面，什么样的输入会导致类似的输出，通过这个我们可以了解神经元对输入的敏感程度，比如这个神经元对图片的某一个位置很敏感，就像人的鼻子对气味敏感，于是我们也可以借此来探究这个网络各层次的功能，也能帮助我们改进网络。 论文结构 input: \(3 \times 阅读全文

摘要： [TOC] 《Python 3 程序开发指南》学习笔记 有俩种方法可以对工作载荷进行分布，一种是使用多进程，另一种是使用多线程。 10.1 使用多进程模块 我们可以使用Python的subprocess模块来实现这一需求，改模块提供了运行其他程序的功能，可以传递我们需要的任意命令行参数，并且，如果需 阅读全文

摘要： AlexNet 上图是论文的网络的结构图，包括5个卷积层和3个全连接层，作者还特别强调，depth的重要性，少一层结果就会变差，所以这种超参数的调节可真是不简单. 激活函数 首先讨论的是激活函数，作者选择的不是$f(x)=\mathrm{tanh}(x)=(1+e^{-x})^{-1}$，而是ReL 阅读全文

摘要： [TOC] 关于threading模块的多线程的一些实验. threading.Thread 先来看一个最简单的实验多线程的方法，我们只需要创建一个threading.Thread子类，并且覆写\__init__和run方法就可以了. 输出为: 从输出可以发现，关于线程的命名，默认情况是Thread 阅读全文

摘要： [TOC] 载入图片和坐标 .dataframe tbody tr th:only of type { vertical align: middle; } .dataframe tbody tr th { vertical align: top; } .dataframe thead th { te 阅读全文

摘要： [TOC] subprocess 模块学习 "链接" 推荐通过run()来创建进程，更为高级的，可以使用Popen. subprocess.run() subprocess.run(args, , stdin=None, input=None, stdout=None, stderr=None, c 阅读全文

摘要： [TOC] 本节介绍一些例子. LASSO 考虑如下问题: $$ \min \quad (1/2)\|Ax b\|_2^2 + \gamma\|x\|_1, $$ 其中$x \in \mathbb{R}^n, A \in \mathbb{R}^{m\times n }$. proximal grad 阅读全文

摘要： [TOC] "Proximal Algorithms" 需要注意的一点是，本节所介绍的例子可以通过第二节的性质进行延展. 一般方法 一般情况下proximal需要解决下面的问题: 其中$x \in \mathbb{R}^n$, $\mathcal{C} = \mathbf{dom} f$. 我们可以 阅读全文

摘要： [TOC] "参考博客python实现时间序列分析 ning ML" 时间序列的测试 平稳性检验 时序图检验 该序列具有明显的趋势性，所以不是通常的平稳序列 自相关图检验 [ 1. 0.91392186 0.86822948 0.81369058 0.76064724 0.68729172 0.63 阅读全文