摘要：vue的介绍 前端框架和库的区别 nodejs的简单使用 vue的起步 指令系统 组件的使用 过滤器的使用 watch和computed 钩子函数 渐进式的JavaScript框架 前端框架和库的区别 功能上的不同 代码上的不同 框架的使用 初始化自身的一些行为 执行你所编写的代码 释放一些资源 n
阅读全文
posted @ 2018-11-28 16:55
11 2018 档案
摘要：06-Nodejs介绍 打开Nodejs英文网：https://nodejs.org/en/ 中文网：http://nodejs.cn/ 我们会发现这样一句话： 翻译成中文如下： Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境。 Node.js 使用了一个事件
阅读全文
posted @ 2018-11-26 18:55
摘要：JavaScript 语言中，生成实例对象的传统方法是通过构造函数。 上面这种写法跟传统的面向对象语言（比如 C++ 和 Java）差异很大，很容易让新学习这门语言的程序员感到困惑。 ES6 提供了更接近传统语言的写法，引入了 Class（类）这个概念，作为对象的模板。通过class关键字，可以定义
阅读全文
posted @ 2018-11-26 16:15
摘要：对象的单体模式 为了解决箭头函数this指向的问题 推出来一种写法 对象的单体模式
阅读全文
posted @ 2018-11-26 16:00
摘要：箭头函数 基本语法： ES6允许使用“箭头”（=>）定义函数 如果箭头函数不需要参数或需要多个参数，就使用一个圆括号代表参数部分。 使用箭头函数注意点： 箭头函数有几个使用注意点。 （1）函数体内的this对象，就是定义时所在的对象，而不是使用时所在的对象。 我们发现，打印的结果为 此时this指向
阅读全文
posted @ 2018-11-26 15:58
摘要：传统的JavaScript语言，输出模板通常是这样的写的。 上面这种写法相当繁琐不方便，ES6 引入了模板字符串解决这个问题。 模板字符串（template string）是增强版的字符串，用反引号（`）标识。它可以当作普通字符串使用，也可以用来定义多行字符串，或者在字符串中嵌入变量 上面代码中的模
阅读全文
posted @ 2018-11-25 21:44
摘要：一、具备的基础知识 1.扎实的HTML/CSS/Javascript基本功，这是前置条件。 2.不要用任何的构建项目工具，只用最简单的<script>，把教程里的例子模仿一遍，理解用法。不推荐上来就直接用 vue-cli 构建项目，尤其是如果没有 Node/Webpack 基础。 另外在这里大家补充
阅读全文
posted @ 2018-11-25 18:33
摘要：试题1：将一整数逆序后放入一组数组，要求递归实现。 代码实现： 实现结果： 试题2：求高于平均分的学生学号及成绩，学号和成绩人工输入。 代码实现： 试题3：递归实现回文判断，例如a-b-c-d-e-d-c-b-a就是回文，这是判断一个面试者对递归理解的简单程序。 代码实现： 试题4：从M个不同字符串
阅读全文
posted @ 2018-11-16 19:33
摘要：摘要： 多层反馈RNN（Recurrent neural Network、循环神经网络）神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等
阅读全文
posted @ 2018-11-11 10:21
摘要：摘要： 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 引言： 在传统的机器学习中，通常是我们自己来寻找特征，而深度学习中我们通过神经网络来自主的学习特诊。在大量数据的
阅读全文
posted @ 2018-11-11 10:08
摘要：摘要： 条件随机场是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。 引言： “条件随机场”被用于中文分词和词性标注等词法分析工作，一般序列分类模型常常采用隐马尔科夫模型（HMM），像基于类的中文分词。但隐马尔可夫模型中存在两个假设：输出独立性假设和马尔可夫
阅读全文
posted @ 2018-11-11 09:27
摘要：摘要： 当我们已知模型的存在，想知道参数的时候我们就可以通过采样的方式来获得一定数量的样本，从而学习到这个系统的参数。变分则是在采样的基础上的一次提升，采用相邻结点的期望。这使得变分往往比采样算法更高效：用一次期望计算代替了大量的采样。直观上，均值的信息是高密(dense)的，而采样值的信息是稀疏(
阅读全文
posted @ 2018-11-10 18:31
摘要：摘要： 主题模型是对文字隐含主题进行建模的方法。它克服了传统信息检索中文档相似度计算方法的缺点，并且能够在海量互联网数据中自动寻找出文字间的语义主题。主题模型在自然语言和基于文本的搜索上都起到非常大的作用。 引言： 两篇文档是否相关往往不只决定于字面上的词语重复，还取决于文字背后的语义关联。对语义关
阅读全文
posted @ 2018-11-10 16:33
摘要：摘要 隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔科夫过程。其难点是从可观察的参数中确定该过程的隐含参数，然后利用这些参数来作进一步的分析。在早些年HMM模型被非常广泛的应用，而现在随着机器学习的发展HMM模型的应用场景越来越小，然
阅读全文
posted @ 2018-11-09 13:53
摘要：数据结构之图的主要内容包括： （1）相关概念 · （2）存储结构 （3）遍历图 （4）图的连通性 （5）寻求最短路径 参考学习：https://blog.csdn.net/qq_35644234/article/details/57083107 http://blog.chinaunix.net/u
阅读全文
posted @ 2018-11-04 21:08
摘要：摘要 EM算法全称为Expectation Maximization Algorithm，既最大期望算法。它是一种迭代的算法，用于含有隐变量的概率参数模型的最大似然估计和极大后验概率估计。EM算法经常用于机器学习和机器视觉的聚类领域，是一个非常重要的算法。而EM算法本身从使用上来讲并不算难，但是如果
阅读全文
posted @ 2018-11-01 14:46
摘要：引言： SVM是一种常见的分类器，在很长一段时间起到了统治地位。而目前来讲SVM依然是一种非常好用的分类器，在处理少量数据的时候有非常出色的表现。SVM是一个非常常见的分类器，在真正了解他的原理之前我们多多少少都有接触过他。本文将会详细的介绍SVM的原理、目标以及计算过程和算法步骤。我们针对线性可分
阅读全文
posted @ 2018-11-01 12:58
摘要：引言 贝叶斯网络是机器学习中非常经典的算法之一，它能够根据已知的条件来估算出不确定的知识，应用范围非常的广泛。贝叶斯网络以贝叶斯公式为理论接触构建成了一个有向无环图，我们可以通过贝叶斯网络构建的图清晰的根据已有信息预测未来信息。贝叶斯网络适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种
阅读全文
posted @ 2018-11-01 10:58