rongyilin

摘要： 1. 很全的电子书下载网站http://www.ppurl.com2.Koller教授的概率图模型https://class.coursera.org/pgm/lecture/previewhttp://openclassroom.stanford.edu/MainFolder/VideoPage.php?course=ProbabilisticGraphicalModels3. 中科院模式识别博士课程http://liama.ia.ac.cn/wiki/projects:pal:course:pr4. 刘鹏老师计算广告学http://sheetoo.com/app/course/overvi 阅读全文

摘要： 见程序： 1 import win32com.client 2 import os 3 4 5 class easyword: 6 def __init__(self, filename = None): 7 self.wordapp = win32com.client.gencache.EnsureDispatch("Word.Application") 8 self.wordapp.Visible = 1 9 if filename: 10 self.filename = os.p... 阅读全文

摘要： 求最优估计$x^{*}$，使得误差(残差)向量的$\epsilon=f(x^{*})-z$的平方和$S(x)=\epsilon^{T}\epsilon$最小，即求\begin{equation}x^{*}=\arg\min_{x}\epsilon^{T}\epsilon=\arg\min_{x}S(x)=\arg\min_{x}\|f(x)-z\|_{2}^{2}\label{eq:gen_opt}\end{equation} 最理想的情况，误差$\epsilon=0$，此时$f(x^{*})=z$，故最优化问题\eqref{eq:gen_opt}等价于“解方程”问题：\begin{eq... 阅读全文

摘要： 考虑最优化问题：\begin{equation}x^{*}=\arg\min_{x}S(x)=\arg\min_{x}\|f(x)-z\|_{2}^{2}\label{eq:gen_opt-2}\end{equation}其中，$S(x)=\epsilon^{T}\epsilon$，$\epsilon=f(x)-z$。二次型函数$S(x)$的梯度为\[\nabla S(x)=\frac{\partial S(x)}{\partial x}=-2\left[\frac{\partial f(x)}{\partial x}\right]^{T}[f(x)-z]=-2J^{T}\epsilon\]沿 阅读全文