neuralNerd

摘要： Target(作用目标,class，method，package),Rentention(作用时机, runtime,source，class) 反射机制： 每个类会编译成为一个Class,一个程序中class只能有一个与之对应的Class, 类的初始化: 阅读全文

摘要： 事务的 四个特征（ACID） 事务具有四个特征：原子性（ Atomicity ）、一致性（ Consistency ）、隔离性（ Isolation ）和持续性（ Durability ）。这四个特性简称为 ACID 特性。 1 、原子性。事务是数据库的逻辑工作单位，事务中包含的各操作要么都做，要么 阅读全文

摘要： 高级梯度下降法: 动量下降(Momentum）使用指数加权平均的概念: RMSprop 类似指数加权平均的概念: 学习率衰减: 阅读全文

摘要： 阅读全文

摘要： 为了验证BP 梯度是否有问题可以用 进行检验,对于每一个权重theta,计算 [J(theta+epsilon)-J(theta-epsilon)]/(2*epsilon),每一个结果都保存在一个矩阵里,然后同样的,将每一个theta实际的梯度按同样规则保存在矩阵里,最后求解两者的欧式距离然后和阈值 阅读全文

摘要： 如果神经网络层数过多,假设每一次的W权重都是一样的且都>1,那么经过L层,则在反向传播中,往后的梯度会是指数级增长, w^L，反正如果w<1,最后梯度会一直接近于0造成梯度小时的现象 那么如何解决这个问题呢 最直接的方式就是从根源入手,如果是如图的线性激活函数g(z)=z,则尽量减少W值,此处线性关 阅读全文

摘要： 批量梯度对每一个theta都要算m次,随机度只用算1次 阅读全文

摘要： 协同过滤-推荐算法的一种,特点是可以自我学习合适的特征 核心思想在于同步更新权重以及特征本身 低轶矩阵分解: 如果用户没有对此object评级会出现不推荐的现象,为解决这个问题: 阅读全文

摘要： 1.核心概念利用正态分布求解每一个feature的密度概率 正态分布（高斯分布）: 对于每一个样本x: 设定一个threshold，其中对于样本x如果p(x)<threshold,则为异常 当正样本特别少负样本特别多(20正,10000负),此时如果用supervised learning,负样本占 阅读全文

摘要： X1-特征1：样本x1待缩放的特征数据 u1：X1-Xn（所有样本） 特征1的均值 缩放方法：（X1-特征1-u）/（max-特征1-min-特征1 or standard deviation） 好处: 1.加快梯度下降速度(等高线变得更平滑(更圆),下降更快) 2.方便降维操作 降维（Princi 阅读全文