TangHsiangYu

摘要： 看了台湾大学林轩田的机器学习第二章感知器算法，做一些笔记备忘。理论部分以后再补，直接上代码： 得到的结果如下： 黄色部分是按照理论写的代码，而黑色是根据神经网络工具箱跑出来的结果。 阅读全文

摘要： 今天晚上开始学习MSP430G2系列的单片机，这是一个低功耗的16位单片机，还是比较有意思的。先看了一下手册，基本的架构，感觉挺无聊的，就直接上手老师介绍的那本书开始学习了。 第一天 第一章主要讲的是口袋实验版的硬件结构，学到了一些有趣的知识。比如说，之前以为在对运放供电的时候，双电源供电方式中的负 阅读全文

摘要： 今天晚上看了规划问题的经典部分——运送货物的问题。采用Lingo编程，十分的简介，在规划问题运筹学问题上，Lingo 的优势是无可比拟的。 题目： 具体数据： 可以抽象出： \[\displaystyle \min \quad \sum_{i=1}^{n}\sum_{j=1}^{m}c_{ij}x_ 阅读全文

摘要： 这段时间主要学习了单片机的中断、计数器、计时器部分。具体的理论知识在书上已经有了，在此不再赘述。下面就在数码管上显示计数100的计数器的实现： 具体代码如下： 效果如下： 大三上学期单片机学习心得及笔记 这学期正式开始单片机的正规学习，先从单片机的内部硬件结构入手，基本了解了单片机的架构和寻址方式。 阅读全文

摘要： 转载：http://blog.sina.com.cn/s/blog_408540af0100b7mi.html 阅读全文

摘要： 先举个例子： 例子:求下面的函数的最小值\[f(x_{1},x_{2})=20\mathrm{e}^{-0.2\sqrt{0.5(x_{1}^{2}+x_{2}^{2})}}-\mathrm{e}^{0.5(\cos{2\pi x_{1}}+\cos{2\pi x_{2}})}+22.71282\] 阅读全文

摘要： 线性回归其实就是寻找一条直线拟合数据点，使得损失函数最小。直线的表达式为：\[y_{j}=\omega_{1}x_{i,1}+\omega_{2}x_{i,2}+\dots+\omega_{j}x_{i,j}+\dots+b\]损失函数的表达式为：\[J=\frac{1}{2}\sum_{k=0}^ 阅读全文

只有注册用户登录后才能阅读该文。 阅读全文