我爱你，中国！

摘要： 极大似然估计，只是一种概率论在统计学的应用，它是参数估计的方法之一。 直接说，就是在给定样本的输出结果时，我们来估计参数。 它是建立在极大似然原理的基础上的一个统计方法，极大似然原理的直观想法是：一个随机试验如有若干个可能的结果A，B，C，…。若在仅仅作一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大。一般地，事件A发生的概率与参数theta相关，A发生的概率记为... 阅读全文

摘要： 贝叶斯定理是由英国数学家贝叶斯提出的公式，用于描述两个事件之间的关系： 按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B) 如上公式也可变形为：P(B|A) = P(A|B)*P(B) / P(A) 按这些术语，Bayes法则可表述为： 后验概率 = (似然 阅读全文

摘要： 标准分数（standard score）也叫z分数（z-score）,是一个分数与平均数的差再除以标准差的过程。用公式表示为： z=(x-μ)/σ。其中x为某一具体分数， μ为平均数，σ为标准差。 Z值的量代表着原始分数和母体平均值之间的距离，是以标准差为单位计算。在原始分数低于平均值时Z则为负数， 阅读全文

摘要： 总结一下文中几点值得学习的地方： 1，卷积神经网络的结构图：Multi-Scale Features. 因为它提取的特征的分层的，对吧，虽然最后 一层可以提供全局信息，但是呢，前面的几层可以提供更多的详细的细节。。前几层的需要pooling不，这个自己选择。 2，非线性问题：看文中吧，具体我自己也没有仔细研究。 3，对于样本的处理，有一个值得说的地方就是：文中用原始的样本构造了一... 阅读全文

摘要： 本文以下内容来自读论文以后认为有价值的地方，论文来自：convolutional Neural Networks Applied to House Numbers Digit Classification 。 对于房门号的数字识别问题，文中提出的方法是基于卷积神经网络的，卷积神经网络集特征提取与目标分类于一体，这一点有别于传统的识别方法（传统方法中一般都是基于人工设计的特征提取器，然后把提取... 阅读全文

摘要： 在视觉/图像识别中，一个关键问题就是:如何得到内在的特征表示(internal representation of feature).在传统的方法中,人们都是通过一个手工设计的特征提取器(hand crafted feature)来得到需要的特征,然后把特征输入给分类器. 而现在在解决的问题是: 一个系统如何能够自动学习到我们需要的特征。 (看到区别了吧,传统的方法是手工设计特征提取器,... 阅读全文

摘要： 一些最简单的配置，即在.vimrc中可以写入的配置： 首先，说明一点，在.vimrc文件中，可以用“ 把一行的配置注销掉。 set nocompatible “关闭 vi 兼容模式；其中 compatilble 英文意思就是兼容 set nobackup “覆盖文件时，不备份；其中 backup 英 阅读全文

摘要： 1，ubuntu下，开机如何进行命令行？图形模式下,首先进入终端： 1. 找到 /etc/default/grub文件； 2. 修改 GRUB_CMDLINE_LINUX_DEFAULT=”quiet splash”或“quiet”3. 改为 GRUB_CMDLINE_LINUX_DEFAULT=”quiet splash text”或“quiet text4, 更新 sudo update-g... 阅读全文

摘要： 只列出自己感觉有用的: 1, 缩进用TAB(8个字节), 当我的程序有3个以上的缩进时，应该修改自己的程序。 附加好处：能在程序变得嵌套层数太多时给我们警告。太多的嵌套对于程序执行的效率和易读性都是致命的杀手。 2， 80行，字符，代码行的极限； 3，既然有代码行极限，很多情况下我们不得不断开一个完 阅读全文

摘要： 以下内容大多数来自百度百科,很容易理解的. 什么是大端模式，什么是小端模式？ 所谓的大端模式（Big-endian），是指数据的高字节，保存在内存的低地址中，而数据的低字节，保存在内存的高地址中，这样的存储模式有点儿类似于把数据当作字符串顺序处理：地址由小向大增加，而数据从高位往低位放； 所谓小端模 阅读全文