摘要：
关于cifar-10和mnist的weight_decay和momentum也是相当的重要；就是出现一次把cifar-10的两个值直接用在mnist上，发现错误很大。 阅读全文
posted @ 2017-03-11 23:53
一动不动的葱头
阅读(161)
评论(0)
推荐(0)
2017年3月11日
2017年2月25日
摘要：
1.@inproceedings:会议 2.@article：期刊 3.@incollection：书 4.@misc：啥不是 author的名字书写： pdf显示为：G. Wang bibtex中： 方式一：G. Wang 方式二：Guangcong Wang 方式三：Wang, Guangcon 阅读全文
posted @ 2017-02-25 11:27
一动不动的葱头
阅读(1090)
评论(0)
推荐(0)
2017年2月21日
摘要：
http://www.ilovematlab.cn/thread-65324-1-1.html 阅读全文
posted @ 2017-02-21 17:32
一动不动的葱头
阅读(166)
评论(0)
推荐(0)
2017年2月16日
摘要：
http://blog.csdn.net/shenxiaolu1984/article/details/52215983 两步： 训练判别器：最小化鉴别误差 训练生成器：最大化鉴别误差 问：训练生成器时，鉴别器那部分要fixed住吗？ http://it.sohu.com/20161003/n469 阅读全文
posted @ 2017-02-16 15:48
一动不动的葱头
阅读(206)
评论(0)
推荐(0)
2017年2月4日
摘要：
都是实数embedding vector 阅读全文
posted @ 2017-02-04 21:39
一动不动的葱头
阅读(1586)
评论(0)
推荐(0)
摘要：
概率模型的范式是这样的： 1.根据抽样建立似然函数 2.对某个参数求偏导。（实际就是最大化似然函数） 3.代入实验数据求得参数。 注意到， 1.建立目标函数要根据抽样的频数，譬如根据硬币抽样结果，抽到A硬币还是B硬币，A硬币抛了几次正面，B硬币抛了几次正面，参数是A，B的抛正面率，建立似然函数。 2 阅读全文
posted @ 2017-02-04 16:30
一动不动的葱头
阅读(213)
评论(0)
推荐(0)
2017年1月21日
摘要：
一般形式为： min f(x) s.t. hi(x)=0 i=1,2,...,p,p<n (x=[x1 x2 ... xn]是n维欧式空间Rn中的向量) gj(x)≤0 j=1,2,...,m 注意： （1）f(x),hi(x),gj(x)至少有一个是非线性函数 （2）m不必小于n，不等式各种各样都 阅读全文
posted @ 2017-01-21 12:24
一动不动的葱头
阅读(430)
评论(0)
推荐(0)
摘要：
一般形式： max f=cx ...（1） s.t. Ax=b ...（2） x≥0.且全部或者部分取整数值 ...（3） （1）可以是最大化也可以是最小化 （2）可以是等式的形式也可以是不等式的形式 （3）如果要求x全部分两维整数，则为纯整数规划；如果要求x的部分分量为整数，则为混合整数规划；如果 阅读全文
posted @ 2017-01-21 12:00
一动不动的葱头
阅读(181)
评论(0)
推荐(0)
2017年1月20日
摘要：
优化问题实际上高中的时候学过了很多求最大最小值或者不等式，线性规划等。当时学的大多是二次或者最多是三元。现在要把它推广到更高维。本专题主要是学习和巩固一些经典的优化问题。比如，目标函数是线性，约束是线性的怎么优化呢？本文从最简单的问题入手。 一、线性规划的标准形式。 任何的线性规划可以表示为一下形式 阅读全文
posted @ 2017-01-20 12:09
一动不动的葱头
阅读(1603)
评论(0)
推荐(0)
2017年1月12日
摘要：
梯度消失或爆炸问题： http://blog.csdn.net/qq_29133371/article/details/51867856 阅读全文
posted @ 2017-01-12 15:20
一动不动的葱头
阅读(1439)
评论(0)
推荐(0)
浙公网安备 33010602011771号