探索技术本身

摘要： 基础算法 假设我们有两个字符串：，每个字符串由A C G T四个字母组成。 在两个字符串上，都有三种可能的编辑操作（突变）： 删除某个字符 在某个位置插入字符 改变某个字符 每一个编辑操作都有惩罚值。用D(R,B)表示字符串R和B的最小编辑距离(总惩罚值)。 在这里，我们将三种编辑操作的惩罚值都设为 阅读全文

摘要： 解决方法：把CUDA的bin目录下的dll文件全部复制到libmxnet.dll所在的目录 问题原因：libmxnet.dll引用了一些CUDA的dll，但是找不到路径。 阅读全文

摘要： 应对过拟合：权重衰减与均等范数约束条件 Outline 在神经网络中，常常出现过拟合问题。本文介绍了权重衰减以及其背后的原理（优化GBR上界），并在最后对其他应对过拟合的方式进行了讨论。 Introduction 在深度学习中，常常出现过拟合问题，导致模型的效能下降。 为了解决这个问题，这里提出了几 阅读全文

摘要： 多层感知机 Outline 传统的线性神经网络存在一个问题：不论增加任何数量的节点，最终效果等价于一个节点。本篇文章为这个问题提供了一个可能的解决方案：对于部分节点，使用非线性函数代替线性函数。 Method 1.ReLU函数（实际使用较多）：只保留正数。 2.sigmoid函数：将值映射到0到1之 阅读全文

摘要： 前言 softmax回归为一种分类模型。 基本原理 由于softmax回归也是一种线性叠加算法，且需要输出离散值。 很自然地想到，可以取值最大的输出为置信输出。更进一步想到，如果有三个人A、B、C分别说自己的正确程度为100、200、200，那么在三个人说的话都一样正确的情况下，可以考虑累加，那么A 阅读全文

摘要： 引言 有时候，可以用线性模型模拟数据的分布情况。比如房价与面积之间的关系。 示例 假设价格只取决于房屋状况的两个因素，即面积（平方米）和房龄（年）。 有了这个函数之后，我们要考虑的就是怎样让这个函数的参数调整为接近实际情况的值。 (①)引言 首先可以想到随机生成。让随机生成值，最后保留表现最好的。 阅读全文

摘要： 丢弃法是一种降低过拟合的方法，具体过程是在神经网络传播的过程中，随机“沉默”一些节点。这个行为让模型过度贴合训练集的难度更高。 添加丢弃层后，训练速度明显上升，在同样的轮数下测试集的精度提高。如果不加入丢弃层，练习一百多轮也只有0.90左右的测试集正确率。 阅读全文

摘要： 1.进程空间 概念：软件“生活”的内存空间，好比人类的住房。 2.EPROCESS 概念：描述进程的"档案"，其中有DebugPort、ExceptionPort等信息。 用法：!process 0 0的执行结果中，每个进程有三行信息，第一行信息中，PROCESS后面的地址指向的便是进程的EPROC 阅读全文

摘要： 目录/参考资料：https://www.cnblogs.com/railgunRG/p/14412321.html 《加密与解密》P670中，介绍了检查程序是否被调试的第二种方法：查看进程PEB的NtGlobalFlag标记。 首先打开我们的win7x64虚拟机和windbg，第四节中制作了一个主动 阅读全文

摘要： 目录/参考资料：https://www.cnblogs.com/railgunRG/p/14412321.html asm文件设置 在vs x64中无法使用_asm关键字，需要使用.asm文件。 按第一节的内容创建好项目后，右键Resource Files，添加->新建项->头文件(.h)，将名称改 阅读全文