<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[RFC2008的专栏]]></title><description><![CDATA[专注于机器学习和数据挖掘技术]]></description><link>https://blog.youkuaiyun.com/RFC2008</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; RFC2008]]></copyright><item><title><![CDATA[【链接分享】第一期：科学太疯狂——在另一个星球上打印人类]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/28676029</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/28676029</guid><author>RFC2008</author><pubDate>Thu, 05 Jun 2014 20:37:44 +0800</pubDate><description><![CDATA[最近的一些有趣链接的分享，包括科学，设计，机器学习等多个方面的。
例如：
1.在另一个星球上打印人类
2.偷听到外星人的星际通信
3.Yann LeCun在reddit上的问答
4.卖萌的水果
...]]></description><category></category></item><item><title><![CDATA[语音识别技术简介]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/9151755</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/9151755</guid><author>RFC2008</author><pubDate>Sat, 22 Jun 2013 17:46:57 +0800</pubDate><description><![CDATA[1
自动语音识别简介
语音识别技术，也可以称为自动语音识别（Automatic Speech Recognition，ASR），其任务是把人所发出的语音中词汇内容转换为计算机可读入的文本。语音识别技术是一种综合性的技术，它涉及到多个学科领域，如发声机理和听觉机理、信号处理、概率论和信息论、模式识别以及人工智能等等。
目前，主流的大词汇量语音识别系统中通常采用基于统计模型的识别技术，典型的基于]]></description><category></category></item><item><title><![CDATA[Google公开Spanner分布式数据库]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/8010484</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/8010484</guid><author>RFC2008</author><pubDate>Sun, 23 Sep 2012 19:48:31 +0800</pubDate><description><![CDATA[在原子钟、GPS接收器的帮助下，Google创造了横跨地球的分布式数据库Spanner(PDF)。Spanner是第一种在全球范围内分发数据和支持外部一致性分布式事务的数据库系统，至今已开发了五年。Google的F1广告后端（AdWords）如今已切换到了Spanner，它能指定数据中心储存哪些附近用户需要频繁读取的数据，它还能根据冗余需要指定多少数据中心储存数据。Spanner的TrueTime]]></description><category></category></item><item><title><![CDATA[c++中的类型转换(dynamic_cast, reinterpret_cast, static_cast ,const_cast)]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7960609</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7960609</guid><author>RFC2008</author><pubDate>Sun, 09 Sep 2012 19:11:11 +0800</pubDate><description><![CDATA[在c++中提供了如下方式的类型转换：
dynamic_cast  (expression)
reinterpret_cast  (expression)
static_cast  (expression)
const_cast  (expression)
dynamic_cast

dynamic_cast只处理指针和对象的引用。其目的是确保类型转换的结果是一个有效的完整的对象。]]></description><category></category></item><item><title><![CDATA[高斯分布的一些性质]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7569209</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7569209</guid><author>RFC2008</author><pubDate>Tue, 15 May 2012 16:10:02 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[挖掘地图查询日志的价值]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7549639</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7549639</guid><author>RFC2008</author><pubDate>Wed, 09 May 2012 13:35:00 +0800</pubDate><description><![CDATA[今天发现一篇google的论文，"Hyper-Local,Direction-Based Ranking of Places" 。利用它的想法可以充分地挖掘地图查询日志的价值。其中的核心思想是当用户在地图上发起一个从地点A到地点B的查询时，表明用户对地点B感兴趣，尤其是当离A比较近时。
由于有大量的查询日志，可以从中发掘出很有用的信息。
论文的摘要部分：
Studies find that]]></description><category></category></item><item><title><![CDATA[怎样写一个拼写检查器]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525991</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525991</guid><author>RFC2008</author><pubDate>Tue, 08 May 2012 23:01:51 +0800</pubDate><description><![CDATA[原文：http://norvig.com/spell-correct.html
上个星期, 我的两个朋友 Dean 和 Bill 分别告诉我说他们对 Google 的快速高质量的拼写检查工具感到惊奇.比如说在搜索的时候键入[speling], 在不到 0.1 秒的时间内, Google 会返回: 你要找的是不是 [spelling]. (Yahoo! 和微软也有类似的功能).让我感到有点奇怪的是]]></description><category></category></item><item><title><![CDATA[段错误总结]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7543726</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7543726</guid><author>RFC2008</author><pubDate>Tue, 08 May 2012 10:28:12 +0800</pubDate><description><![CDATA[段错误总结：
segmentation fault (shortened to segfault), bus error或者access violation一般是由于试图访问CPU无法物理寻址的内存(access memory that the CPU cannot physically address)。
Bus error:
引起的原因：

不存在的地址

不对其的访问（unal]]></description><category></category></item><item><title><![CDATA[2011百度数据挖掘研发工程师实习生笔试面试题]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7536815</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7536815</guid><author>RFC2008</author><pubDate>Sat, 05 May 2012 09:35:34 +0800</pubDate><description><![CDATA[笔试题：
一、简答题30分
1. extern”C”{}的作用好应用场景；
2.写出两者你熟悉的设计模式，及应用场景，可以给出伪代码；
3.TCP中time_wait是表示那种状态，及应用场景，以及起好处和坏处；
二、算法题40分
1. 有一个任务执行机，任务数N
但是任务之间没有循环依赖，请给出适当的任务执行顺序。算法、伪代码，并分析其时间复杂度和
空间复杂度。
2. 编写函数]]></description><category></category></item><item><title><![CDATA[2012百度数据挖掘研发工程师笔试题]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7536811</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7536811</guid><author>RFC2008</author><pubDate>Sat, 05 May 2012 09:33:38 +0800</pubDate><description><![CDATA[一.简单题
1.C++中STL vector 相关
 (1).push_back函数的内存分配是怎样的？
 (2).clear函数的内存分配是如何实现的？


2.（这道题目给出了一个C语言的代码，让找出foo函数中的错误或者不合理的地方）[具体代码记不清除了，大概如下]


void foo(char a[100], cnt[256])
{
   memset(cnt, 0]]></description><category></category></item><item><title><![CDATA[数学之美番外篇：平凡而又神奇的贝叶斯方法]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525974</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525974</guid><author>RFC2008</author><pubDate>Wed, 02 May 2012 12:30:26 +0800</pubDate><description><![CDATA[概率论只不过是把常识用数学公式表达了出来。
——拉普拉斯
记得读本科的时候，最喜欢到城里的计算机书店里面去闲逛，一逛就是好几个小时；有一次，在书店看到一本书，名叫贝叶斯方法。当时数学系的课程还没有学到概率统计。我心想，一个方法能够专门写出一本书来，肯定很牛逼。后来，我发现当初的那个朴素归纳推理成立了——这果然是个牛逼的方法。
——题记
目录
0. 前言 
1. 历史 
    1.1]]></description><category></category></item><item><title><![CDATA[数学之美 二十四 从全球导航到输入法——谈谈动态规划]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525970</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525970</guid><author>RFC2008</author><pubDate>Wed, 02 May 2012 12:29:20 +0800</pubDate><description><![CDATA[推荐系统最早在亚马逊的网站上应用，根据以往用户的购买行为，推荐出购买某种产品同时可能购买的其他产品，国内做的不错的当当网,有时候买书，它总能给我推荐出我感兴趣的其他书来，也算是技术极大的促进了销售。
一般的协同过滤算法，首先是收集用户对事物（产品）的评分情况，一种直接对某本书，或者某个歌曲打分，另种是隐性的打分，比如商务系统中，购买了表示打2分，浏览了打1分，其他的0分。我比较看好隐性打分，因为]]></description><category></category></item><item><title><![CDATA[数学之美系列 二十三 输入一个汉字需要敲多少个键 — 谈谈香农第一定律]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525967</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525967</guid><author>RFC2008</author><pubDate>Wed, 02 May 2012 12:29:12 +0800</pubDate><description><![CDATA[今天各种汉字输入法已经很成熟了，随便挑出一种主要的输入法比十几年前最好的输入法都要快、要准。现在抛开具体的输入法，从理论上分析一下，输入汉字到底能有多快。

我们假定常用的汉字在二级国标里面，一共有 6700 个作用的汉字。如果不考虑汉字频率的分布，用键盘上的 26 个字母对汉字编码，两个字母的组合只能对 676 个汉字编码，对 6700 个汉字编码需要用三个字母的组合，即编码长度为三。当然，]]></description><category></category></item><item><title><![CDATA[数学之美系列二十二：由电视剧《暗算》所想到的 — 谈谈密码学的数学原理]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525959</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525959</guid><author>RFC2008</author><pubDate>Wed, 02 May 2012 12:28:51 +0800</pubDate><description><![CDATA[前一阵子看了电视剧《暗算》，蛮喜欢它的构思和里面的表演。其中有一个故事提到了密码学，故事本身不错，但是有点故弄玄虚。不过有一点是对的，就是当今的密码学是以数学为基础的。（没有看过暗算的读者可以看一下介绍，http://ent.sina.com.cn/v/2005-10-17/ba866985.shtml
因为我们后面要多次提到这部电视剧。）

密码学的历史大致可以推早到两千年前，相传名将凯撒]]></description><category></category></item><item><title><![CDATA[数学之美系列二十一：布隆过滤器（Bloom Filter）]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525956</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525956</guid><author>RFC2008</author><pubDate>Wed, 02 May 2012 12:28:36 +0800</pubDate><description><![CDATA[在日常生活中，包括在设计计算机软件时，我们经常要判断一个元素是否在一个集合中。比如在字处理软件中，需要检查一个英语单词是否拼写正确（也就是要判断它是否在已知的字典中）；在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上；在网络爬虫里，一个网址是否被访问过等等。最直接的方法就是将集合中全部的元素存在计算机中，遇到一个新元素时，将它和集合中的元素直接比较即可。一般来讲，计算机中的集合是用哈希表（hash]]></description><category></category></item><item><title><![CDATA[数学之美系列二十：自然语言处理的教父 马库斯]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525952</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525952</guid><author>RFC2008</author><pubDate>Tue, 01 May 2012 16:37:58 +0800</pubDate><description><![CDATA[我们在前面的系列中介绍和提到了一些年轻有为的科学家，迈克尔·柯林斯，艾里克·布莱尔，大卫·雅让斯基，拉纳帕提等等，他们都出自宾夕法尼亚计算机系米奇·马库斯(Mitch Marcus)名下。就像许多武侠小说中描写的，弟子都成了各派的掌门，师傅一定了不得。的确，马库斯虽然作为第一作者发表的论文并不多，但是从很多角度上讲，他可以说是自然语言处理领域的教父。

马库斯教授长期当任宾夕法尼亚大学计算机系]]></description><category></category></item><item><title><![CDATA[数学之美系列十九：马尔可夫链的扩展 贝叶斯网络 (Bayesian Networks)]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525950</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525950</guid><author>RFC2008</author><pubDate>Tue, 01 May 2012 16:37:24 +0800</pubDate><description><![CDATA[我们在前面的系列中多次提到马尔可夫链 (Markov Chain)，它描述了一种状态序列，其每个状态值取决于前面有限个状态。这种模型，对很多实际问题来讲是一种很粗略的简化。在现实生活中，很多事物相互的关系并不能用一条链来串起来。它们之间的关系可能是交叉的、错综复杂的。比如在下图中可以看到，心血管疾病和它的成因之间的关系是错综复杂的。显然无法用一个链来表示。



我们可以把上述的有向图看成]]></description><category></category></item><item><title><![CDATA[数学之美系列十八：矩阵运算和文本处理中的分类问题]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525947</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525947</guid><author>RFC2008</author><pubDate>Tue, 01 May 2012 16:35:38 +0800</pubDate><description><![CDATA[我在大学学习线性代数时，实在想不出它除了告诉我们如何解线性方程外，还能有什么别的用途。关于矩阵的许多概念，比如特征值等等，更是脱离日常生活。后来在数值分析中又学了很多矩阵的近似算法，还是看不到可以应用的地方。当时选这些课，完全是为了混学分的学位。我想，很多同学都多多少少有过类似的经历。直到后来长期做自然语言处理的研究，我才发现数学家们提出那些矩阵的概念和算法，是有实际应用的意义的。

在自然语]]></description><category></category></item><item><title><![CDATA[数学之美系列十七：闪光的不一定是金子 谈谈搜索引擎作弊问题(Search Engine Anti-SPAM)]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525942</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525942</guid><author>RFC2008</author><pubDate>Tue, 01 May 2012 16:33:33 +0800</pubDate><description><![CDATA[自从有了搜索引擎，就有了针对搜索引擎网页排名的作弊(SPAM)。以至于用户发现在搜索引擎中排名靠前的网页不一定就是高质量的，用句俗话说，闪光的不一定是金子。

搜索引擎的作弊，虽然方法很多，目的只有一个，就是采用不正当手段提高自己网页的排名。早期最常见的作弊方法是重复关键词。比如一个卖数码相机的网站，重复地罗列各种数码相机的品牌，如尼康、佳能和柯达等等。为了不让读者看到众多讨厌的关键词，聪明一]]></description><category></category></item><item><title><![CDATA[数学之美系列十六：不要把所有的鸡蛋放在一个篮子里 -- 谈谈最大熵模型]]></title><link>https://blog.youkuaiyun.com/RFC2008/article/details/7525934</link><guid>https://blog.youkuaiyun.com/RFC2008/article/details/7525934</guid><author>RFC2008</author><pubDate>Tue, 01 May 2012 16:29:59 +0800</pubDate><description><![CDATA[[我们在投资时常常讲不要把所有的鸡蛋放在一个篮子里，这样可以降低风险。在信息处理中，这个原理同样适用。在数学上，这个原理称为最大熵原理(the maximum entropy principle)。这是一个非常有意思的题目，但是把它讲清楚要用两个系列的篇幅。]

前段时间，Google 中国研究院的刘骏总监谈到在网络搜索排名中，用到的信息有上百种。更普遍地讲，在自然语言处理中，我们常常知道各种]]></description><category></category></item></channel></rss>