Physcalの大魔導書

摘要： 起源：喵星人的视觉皮层 1958 年，一群奇葩的神经科学家把电极插到喵星人的脑子里，去观察视觉皮层的活动。从而推断生物视觉系统是从物体的小部分入手，经过层层抽象，最后拼起来送入处理中心，减少物体判断的可疑性的。这种方法就与BP网络背道而驰。BP网络认为，大脑每个神经元都要感知物体的全部（全像素全连接... 阅读全文

摘要： Reference：Theano入门三部曲http://deeplearning.net/tutorial/logreg.html （Softmax回归）http://deeplearning.net/tutorial/mlp.html（MLP多层感知器）http://deeplearning.ne... 阅读全文

摘要： 起源：线性神经网络与单层感知器古老的线性神经网络，使用的是单层Rosenblatt感知器。该感知器模型已经不再使用，但是你可以看到它的改良版：Logistic回归。可以看到这个网络，输入->加权->映射->计算分类误差->迭代修改W、b，其实和数学上的回归拟合别无二致。Logistic回归对该模型进... 阅读全文

摘要： Reference：http://ufldl.stanford.edu/wiki/index.php/Softmax_regressionhttp://deeplearning.net/tutorial/logreg.html起源：Logistic的二类分类Softmax回归是Logistic回归的... 阅读全文

摘要： 起源：决策树切分数据集决策树每次决策时，按照一定规则切分数据集，并将切分后的小数据集递归处理。这样的处理方式给了线性回归处理非线性数据一个启发。能不能先将类似特征的数据切成一小部分，再将这一小部分放大处理，使用线性的方法增加准确率呢？Part I: 树的枝与叶枝：二叉 or 多叉？ 在AdaBoos... 阅读全文

摘要： ①起源：Boosting算法Boosting算法的目的是每次基于全部数据集，通过使用同一种分类器不同的抽取参数方法（如决策树，每次都可以抽取不同的特征维度来剖分数据集）训练一些不同弱分类器（单次分类错误率>0.5），然后将其组合起来，综合评估（默认认为每个分类器权重等价）进行分类。AdaBoost算... 阅读全文

摘要： Part I: 线性回归线性回归很常见，给你一堆点，作出一条直线，尽可能去拟合这些点。对于多维的数据，设特征为xi，设函数$h(\theta )=\theta+\theta_{1}x_{1}+\theta_{2}x_{2}+....\theta_{n}x_{n}$为拟合的线性函数，其实就是内积，实际... 阅读全文

摘要： 起因是MySQL在Android上没有驱动。也就是说，移动端想要访问远程数据库，必须通过一台（或多台）PC进行中转。中转PC作为Server，接受来自移动端Socket访问数据库的要求，Server访问数据库，取得数据，通过Socket发送给移动端。Qt写个C/S其实很简单，网上各种教程，硬伤：Se... 阅读全文

摘要： 断断续续看了好多天，赶紧补上坑。感谢july的http://blog.csdn.net/v_july_v/article/details/7624837/以及CSDN上淘的比较正规的SMO C++模板代码。~LINK~1995年提出的支持向量机（SVM）模型，是浅层学习中较新代表，当然Adaboos... 阅读全文

摘要： 题目链接:http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=35396题目大意：每晚打游戏。每晚中，赢一局概率p，最多玩n局，如果最后不能保证胜率大于p，则从此不玩。问打游戏的天数的期望。解题思路：首先分析每天晚上的。设f[i][... 阅读全文