上一页 1 ··· 182 183 184 185 186 187 188 189 190 ··· 274 下一页
2018年1月4日
Self Organizing Maps (SOM): 一种基于神经网络的聚类算法，本质上感觉和kmeans迭代没啥区别
摘要： 自组织映射神经网络本质上是一个两层的神经网络，包含输入层和输出层（竞争层）。输入层模拟感知外界输入信息的视网膜，输出层模拟做出响应的大脑皮层。输出层中神经元的个数通常是聚类的个数，代表每一个需要聚成的类。训练时采用“竞争学习”的方式，每个输入的样例在输出层中找到一个和它最匹配的节点，称为激活节点，也 阅读全文
posted @ 2018-01-04 10:17 bonelee 阅读(6030) 评论(0) 推荐(0)
RBF网络——核心思想：把向量从低维m映射到高维P，低维线性不可分的情况到高维就线性可分了
摘要： RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 输入X是个m维的向量，样本容量为P，P>m。可以看到输入数据点Xp是径向基 阅读全文
posted @ 2018-01-04 10:04 bonelee 阅读(4203) 评论(0) 推荐(0)
2018年1月3日
查找python项目依赖并生成requirements.txt——pipreqs 真是很好用啊
摘要： 查找python项目依赖并生成requirements.txt 转自：http://blog.csdn.net/orangleliu/article/details/60958525 一起开发项目的时候总是要搭建环境和部署环境的，这个时候必须得有个python第三方包的list，一般都叫做requi 阅读全文
posted @ 2018-01-03 11:41 bonelee 阅读(2882) 评论(0) 推荐(0)
2017年12月28日
ES shrink ——一般是结合rollover一起使用的，一开始没有看懂官方shrink文档，当看了这个之后就明白了
摘要： rollover Elasticsearch 从 5.0 开始，为日志场景的用户提供了一个很不错的接口，叫 rollover。其作用是：当某个别名指向的实际索引过大的时候，自动将别名指向下一个实际索引。 因为这个接口是操作的别名，所以我们依然需要首先自己创建一个开始滚动的起始索引： 然后就可以尝试发 阅读全文
posted @ 2017-12-28 17:13 bonelee 阅读(3518) 评论(3) 推荐(0)
高效管理 Elasticsearch 中基于时间的索引——本质是在利用滚动模式做数据的冷热分离，热索引可以用ssd
摘要： 高效管理 Elasticsearch 中基于时间的索引 转自：http://stormluke.me/es-managing-time-based-indices-efficiently/ 用 Elasticsearch 来索引诸如日志事件等基于时间的数据的人可能已经习惯了“每日一索引”模式：使用以 阅读全文
posted @ 2017-12-28 17:09 bonelee 阅读(3153) 评论(1) 推荐(0)
elasticsearch indices.recovery 流程分析（索引的_open操作也会触发recovery）——主分片recovery主要是从translog里恢复之前未写完的index，副分片recovery主要是从主分片copy segment和translog来进行恢复
摘要： 摘自：https://www.easyice.cn/archives/231 elasticsearch indices.recovery 流程分析与速度优化 目录 [隐藏] 主分片恢复流程 副本分片恢复流程 recovery 慢的原因分析 synced flush 机制 副分片如何做到和主分片一致 阅读全文
posted @ 2017-12-28 15:19 bonelee 阅读(1894) 评论(1) 推荐(0)
JS垃圾回收——和其他语言一样，JavaScript 的 GC 策略也无法避免一个问题：GC 时，停止响应其他操作，这是为了安全考虑
摘要： JavaScript 内存管理 & 垃圾回收机制 标记清除 js 中最常用的垃圾回收方式就是标记清除。当变量进入环境时，例如，在函数中声明一个变量，就将这个而变量标记为“进入环境”。从逻辑上讲，永远不能释放进入环境的变量所占用的内存，因为只要执行流进入相应的环境，就可能会用到它们。而当变量离开环境时 阅读全文
posted @ 2017-12-28 11:23 bonelee 阅读(2953) 评论(0) 推荐(0)
2017年12月27日
深入解析Dropout——基本思想：以概率P舍弃部分神经元，其它神经元以概率q=1-p被保留，舍去的神经元的输出都被设置为零
摘要： 深度学习网络大杀器之Dropout——深入解析Dropout 转自：https://yq.aliyun.com/articles/68901 转自：https://yq.aliyun.com/articles/68901 摘要： 本文详细介绍了深度学习中dropout技巧的思想，分析了Dropout 阅读全文
posted @ 2017-12-27 19:58 bonelee 阅读(8706) 评论(1) 推荐(0)
Softmax回归——logistic回归模型在多分类问题上的推广
摘要： Softmax回归 Contents [hide] Contents 1 简介 2 代价函数 3 Softmax回归模型参数化的特点 4 权重衰减 5 Softmax回归与Logistic 回归的关系 6 Softmax 回归 vs. k 个二元分类器 7 中英文对照 8 中文译者 转自：http: 阅读全文
posted @ 2017-12-27 19:48 bonelee 阅读(9408) 评论(0) 推荐(2)
python时间戳
摘要： time.strftime("%Y-%m-%dT%H:%M:%S.000", time.localtime()) 阅读全文
posted @ 2017-12-27 12:38 bonelee 阅读(305) 评论(0) 推荐(0)
上一页 1 ··· 182 183 184 185 186 187 188 189 190 ··· 274 下一页