zherlock

摘要： 只是初步涉猎，因为读的论文涉及到了。 学习资料来自于网络，主要是udacity的cs600，佐治亚理工的老师 本来以为第一遍看视频就能完全搞懂了，并没有 还是写随笔好好整理一下 三种学习的类型：有监督，无监督，强化 实际的世界，系统，状态之间的转移由马尔可夫的状态转移概率确定。 States:$ s 阅读全文

摘要： 内容：可汗学院公开课（暂定 形式：网上看视频，博客做笔记，题目emmm,书上找去 目标：（暂时无法确定） 学习时间：每天早晚，最好能早期学 网易公开课的网站版不能倍速真的是太傻叉了，免费就是这个品质。这个解决办法也不是很美https://jingyan.baidu.com/article/cb5d6 阅读全文

摘要： 根据已学习内容，解决现在遇到的问题 1.这是一个凸优化问题吗： https://blog.csdn.net/xmu_jupiter/article/details/47400411 经过一轮推导，对于变量为传感器位置，x,y,z。并不是凸函数 2.需要多少个等式对应多少个未知数 至少达到变量数，越多 阅读全文

摘要： 对几个经典方法的整理和比较 手打一下公式 梯度下降法：面向任何函数，收敛速度一阶，有发散可能。梯度下降法考虑函数的一阶梯度（一阶泰勒展开），找到一个合理的迭代方向，但是不能确定步长。 只利用了当前点的切线(一阶梯度）的信息 $x = x_0 - \lambda\nabla{f(x)}$ 牛顿法：面向 阅读全文

摘要： 继上文通过视频对经典最优化方法进行学习之后 本文准备进一步通过博客，论文等学习一些经典方法的变体和其它方法 阻尼牛顿法 为了解决牛顿法每次步长无法控制，有时候不能收敛的缺点。所以每次在前进方向进行一次一维搜索，确定结果不会发散 https://www.cnblogs.com/focus ml/p/3 阅读全文

摘要： 来源于 上交视频，https://www.bilibili.com/video/av14666879/ 第一章，introduction Formulation f(x): Cost function x: Decision varaible X: Constraint set if x belon 阅读全文

摘要： 原因是最近实现的一个工程，需要解一组非线性方程，来获取变量值（最多7个）。一开始以为是一个解方程问题，在matlab 里研究solve, vpasolve的用法研究了很久。忽然发现实际中，我测量到的数据都是有误差的，方程大概率是无解的，所以不是解方程问题，而是一个估计/优化问题。优化问题和解方程本来 阅读全文

摘要： 之前一直对随笔和文章比较迷惑，不太清楚它们之间的区别，今天仔细了解一下，发现一直误解了这两个概念。 首先从内容上区分一下随笔和文章 随笔内容形式比较随意，往往是作者即兴写的内容；而文章则是作者经过仔细分析，修辞润色后的比较成熟的作品。 然后参照官方的说法 1.文章不可以发布在博客园首页，也不能发布到 阅读全文