<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[PursueLuo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/PursueLuo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; PursueLuo]]></copyright><item><title><![CDATA[图论系列（一）：基础概念与术语解析]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/149161911</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/149161911</guid><author>PursueLuo</author><pubDate>Mon, 07 Jul 2025 01:43:32 +0800</pubDate><description><![CDATA[图是由顶点和边构成的数据结构。本文通过公园导览图和电路网络图两个实例，说明如何将实际问题抽象为图结构：交汇点（如P、Q、R等）称为&quot;顶点&quot;，连接线称为&quot;边&quot;。这种抽象方法广泛应用于路径规划、网络分析等领域。参考文献包括Wilson的《图论导论》（1998）。]]></description><category></category></item><item><title><![CDATA[符号之美：LaTeX 数学箭头的实用手册]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/149091545</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/149091545</guid><author>PursueLuo</author><pubDate>Thu, 03 Jul 2025 18:47:54 +0800</pubDate><description><![CDATA[LaTeX数学箭头符号速查指南 本文系统整理了LaTeX中常用的数学箭头符号及其命令。主要内容包括： 使用准备：需导入amsmath包 分类详解： 左箭头（如\leftarrow, \Leftarrow等） 右箭头（如\rightarrow, \Rightarrow等） 双向箭头（如\leftrightarrow, \Leftrightarrow等） 上下箭头（如\uparrow, \downarrow等） 其他箭头（如\nearrow, \mapsto等） 记忆技巧：命令多由&quot;arrow&quo]]></description><category></category></item><item><title><![CDATA[论文阅读：2008 年 ICDM 论文《Collaborative Filtering for Implicit Feedback Datasets》]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/144830678</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/144830678</guid><author>PursueLuo</author><pubDate>Tue, 14 Jan 2025 13:07:59 +0800</pubDate><description><![CDATA[另一方面，隐式反馈的数值描述了行为的频率，例如，用户观看某个节目的时间，用户购买某个商品的频率等。然而，反馈的数值肯定是有用的，因为它告诉我们在某个观察中拥有的置信度。然而，一个重复出现的事件更有可能反映用户的意见。对于隐式反馈来说，因为只关注收集的反馈将留给我们积极的反馈，极大地歪曲了完整的用户配置文件。例如，一个用户没有观看某个节目，可能是因为她不喜欢这个节目，或者只是因为她不知道这个节目，或者她没有时间观看。例如，最受欢迎的节目可能是用户只会看一次的电影，而有一个系列用户非常喜欢，因此每周都在看。]]></description><category></category></item><item><title><![CDATA[神经网络学习机制理解以及 Python 实现 —— 从单一神经元出发]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/144316539</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/144316539</guid><author>PursueLuo</author><pubDate>Sun, 08 Dec 2024 10:03:07 +0800</pubDate><description><![CDATA[神经网络通常是由多个神经元的层组成的。为了简化结构并理解学习的原理，我们仅讨论只具有一个神经元的情况。初步学习理解神经元的学习过程。]]></description><category></category></item><item><title><![CDATA[梯度下降法求解局部最小值深入讨论以及 Python 实现]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/144306057</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/144306057</guid><author>PursueLuo</author><pubDate>Sat, 07 Dec 2024 11:38:33 +0800</pubDate><description><![CDATA[梯度下降法求解最小值、局部最小值的过程。初始值x0x^0x0、学习率η\etaη、迭代次数，共同影响梯度下降法的求解过程。其中，x0x^0x0和η\etaη决定了方向，起了关键性作用。]]></description><category></category></item><item><title><![CDATA[梯度下降法以及 Python 实现]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/144296272</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/144296272</guid><author>PursueLuo</author><pubDate>Fri, 06 Dec 2024 20:57:50 +0800</pubDate><description><![CDATA[梯度下降法是根据函数的微分值（斜率）搜索最小值的算法，在人工智能领域中被广泛使用。本文介绍了梯度下降法的基本原理，手算模拟了梯度下降法的工作流程，并使用Python代码计算机模拟梯度下降法求解过程，并可视化求解过程。]]></description><category></category></item><item><title><![CDATA[LaTeX cleveref 宏包用法]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/144293152</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/144293152</guid><author>PursueLuo</author><pubDate>Fri, 06 Dec 2024 15:18:46 +0800</pubDate><description><![CDATA[LATE​Xcleveref 宏包用法。]]></description><category></category></item><item><title><![CDATA[LaTeX 三线表介绍及实现]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/141947787</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/141947787</guid><author>PursueLuo</author><pubDate>Sun, 08 Sep 2024 10:16:10 +0800</pubDate><description><![CDATA[三线表”是广义上的 “三” 条横线的表格，大家可以根据自己的需要发挥。]]></description><category></category></item><item><title><![CDATA[激活函数 Sigmod 及其导数]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/141903243</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/141903243</guid><author>PursueLuo</author><pubDate>Wed, 04 Sep 2024 21:17:05 +0800</pubDate><description><![CDATA[sigmod 是最常见的激活函数之一。其图像和导数如文章所示。]]></description><category></category></item><item><title><![CDATA[Python 包 dhg 中超图的数据格式]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/139826049</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/139826049</guid><author>PursueLuo</author><pubDate>Thu, 20 Jun 2024 13:26:39 +0800</pubDate><description><![CDATA[下面是官方介绍DHG(DeepHypergraph) 是基于 PyTorch 的深度学习包， 可用于图神经网络以及超图神经网络。其支持从顶点到顶点从一个域的顶点到另一个域的顶点从顶点到超边,、从超边到顶点从顶点集到顶点集等低阶或高阶信息传递的通用框架。其支持大量低阶关联结构（图、有向图、二分图等）以及高阶关联结构（超图等）。大量基于谱域的操作（例如基于拉普拉斯的平滑）和基于空域的操作（例如从域到域的信息传递）集成在不同的关联结构中。]]></description><category></category></item><item><title><![CDATA[超图论文细品——2019年AAAI《Hypergraph Neural Networks》]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/139773774</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/139773774</guid><author>PursueLuo</author><pubDate>Tue, 18 Jun 2024 18:54:57 +0800</pubDate><description><![CDATA[文章提出了一种名为超图神经网络的框架，用于高维数据的表示学习。该方法英文称呼为 Hypergraph Neural Networks，简写为HGNN。]]></description><category></category></item><item><title><![CDATA[超图（Hypergraph）基础——论文细品——《Learning with hypergraphs: Clustering, classification, and embedding》]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/139709303</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/139709303</guid><author>PursueLuo</author><pubDate>Sun, 16 Jun 2024 20:34:49 +0800</pubDate><description><![CDATA[要想了解超图，首先需要知道图的概念。图，是由多个顶点以及连接顶点的边组成。顶点表示对象；边连接了两个顶点，表示两个顶点之间的关系。中文术语英文术语图Graph节点Node顶点Vertex边Edge注意：顶点和节点是相同的概念，不同的文献称呼不同。这里统一为顶点。超图，则是在图的基础上进行了扩展。图中每条边代表两个顶点之间的关系，也既是说一条边中有两个顶点，顶点个数等于 2。而超图中的边可以表示多个顶点之间的关系，也既是说一条边中可以有多个顶点，顶点个数可以大于 2。]]></description><category></category></item><item><title><![CDATA[Python 实现简单的超图 Hypergraph]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/139631614</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/139631614</guid><author>PursueLuo</author><pubDate>Wed, 12 Jun 2024 17:22:07 +0800</pubDate><description><![CDATA[在数学中，超图（Hypergraph）是一种广义上的图，是有限集合中最一般的离散结构，在信息科学、生命科学等领域有着广泛的应用。普通图，一条边只能连接两个顶点，而超图的一条边可以连接任意数量的顶点。]]></description><category></category></item><item><title><![CDATA[Visual Studio Installer 点击闪退]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/139394681</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/139394681</guid><author>PursueLuo</author><pubDate>Sun, 02 Jun 2024 18:36:47 +0800</pubDate><description><![CDATA[下载了安装程序 (试图安装visual studio 2022 community)，当我试图打开它时，它打开了 1~2 秒，并立即关闭，没有任何错误。该方法亲测有效，但计算机的环境很复杂，有可能只适用于某些特定情况。如果以上方法不能解决你的问题，请自行搜索资料，尝试其他方法。将其中 “xxxx” 替换成你的用户名称，或者你的文件夹名称。重装了系统后（系统版本：如下图所示），我从官方网站（我的电脑上没有visual studio相关的文件。]]></description><category></category></item><item><title><![CDATA[相关性（correlation）]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/125875763</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/125875763</guid><author>PursueLuo</author><pubDate>Tue, 19 Jul 2022 17:24:44 +0800</pubDate><description><![CDATA[皮尔逊相关性，协方差]]></description><category></category></item><item><title><![CDATA[Windows 11 安装 Matlab 2022a 保姆级教程]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/125169905</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/125169905</guid><author>PursueLuo</author><pubDate>Tue, 07 Jun 2022 19:59:06 +0800</pubDate><description><![CDATA[Windows 11 下 Matlab R2022a 保姆级安装教程。]]></description><category></category></item><item><title><![CDATA[Matrix factorization techniques for recommender systems，Yehuda Koren et al.，2009]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/124835755</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/124835755</guid><author>PursueLuo</author><pubDate>Sat, 21 May 2022 09:55:35 +0800</pubDate><description><![CDATA[文章名称：Matrix factorization techniques for recommender systems
作者：Yehuda Koren, Robert Bell, Chris Volinsky
期刊：Computer
年份：2009
卷：42
期：8
页码：30–37
DOI：https://doi.org/10.1109/MC.200]]></description><category></category></item><item><title><![CDATA[基于项目的Top-N推荐算法（Item-Based Top-N Recommendation Algorithms，Mukund Deshpande and George Karypis，2004）]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/124724669</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/124724669</guid><author>PursueLuo</author><pubDate>Tue, 17 May 2022 20:28:43 +0800</pubDate><description><![CDATA[这是一篇论文学习笔记。
中文题目：基于项目的 Top-N 推荐算法
原文题目：Item-Based Top-N Recommendation Algorithms
作者：Mukund Deshpande，George Karypis
时间：2004
期刊：ACM Transactions on Information Systems（TOIS）
DOI：https://doi.org/10.1145/963770.963776]]></description><category></category></item><item><title><![CDATA[因果推断的基础知识]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/124158179</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/124158179</guid><author>PursueLuo</author><pubDate>Thu, 14 Apr 2022 12:30:06 +0800</pubDate><description><![CDATA[文章介绍了因果推断的潜在结果框架，还探讨了组间均值差异，最后给出了随机试验保持正确性需要的条件。]]></description><category></category></item><item><title><![CDATA[试验数据误差的统计假设检验]]></title><link>https://blog.youkuaiyun.com/PursueLuo/article/details/124127787</link><guid>https://blog.youkuaiyun.com/PursueLuo/article/details/124127787</guid><author>PursueLuo</author><pubDate>Wed, 13 Apr 2022 22:23:55 +0800</pubDate><description><![CDATA[文章首先介绍了随机误差的检验，包括卡方检验、F 检验。接着介绍了系统误差的检验，包括 t 检验、秩和检验。最后介绍了异常值的检验，适用于数据量小的拉依达检验法、格拉布斯检验法、狄克逊检验法。]]></description><category></category></item></channel></rss>