<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[可视化和机器学习]]></title><description><![CDATA[心愿list: 2017年的GCJ，2017年申请北美PhD]]></description><link>https://blog.youkuaiyun.com/csuhoward</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; csuhoward]]></copyright><item><title><![CDATA[连通域染色，two-pass算法的并查集实现]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78818244</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78818244</guid><author>csuhoward</author><pubDate>Sat, 16 Dec 2017 10:11:43 +0800</pubDate><description><![CDATA[two-pass是一种找连通域的算法，只要对图做两次遍历，就能够对相同连通域内的点打上相同的label。该图为4-邻域上的two-pass第一遍： 
对每个点打上min(labeln(x,y))min(label_{n(x,y)})，即其邻域中点的最小的label；如果发现邻域中出现了不同的label，把这些label放到并一个集合SiS_{i}中去，即使得同一个连通域CiC_i的label在同一个]]></description><category></category></item><item><title><![CDATA[Proof of Conditional Independence 条件独立的证明和等式推导]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78692123</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78692123</guid><author>csuhoward</author><pubDate>Fri, 01 Dec 2017 23:28:54 +0800</pubDate><description><![CDATA[条件独立，即在贝叶斯网的同父结构中：若父节点取值确定了，那么子节点相互之间满足条件独立；若父节点取值未确定，那么子节点之间不独立。即Z=z1时，P(X|Z=z1)=P(X|Y,Z=z1)。如果等式1: P(X|YZ)=P(X|Z)成立，即Y是什么，都不会影响X的belief(信念)。那么X，Y相互独立。举例个日常的例子，什么是不确定父节点的情况，什么是确定父节点的情况。
不知道父亲结点：发生了一起命]]></description><category></category></item><item><title><![CDATA[Conditional mutual information 条件互信息]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78682712</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78682712</guid><author>csuhoward</author><pubDate>Fri, 01 Dec 2017 04:34:21 +0800</pubDate><description><![CDATA[主要参考wiki， 
另外参考下面博客的联合熵部分的感性理解，对联合熵的描述非常形象生动。 
http://blog.youkuaiyun.com/pipisorry/article/details/51695283
首先理解信息（I）的定义 
I 是衡量信息w的量，只和w发生的概率P(w)有关，认为I(w)=f(P(w))I(w)=f(P(w))。 
并且满足公式 I(A,B)=I(A)+I(B)P(A,B)]]></description><category></category></item><item><title><![CDATA[主成份分析图解]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78673910</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78673910</guid><author>csuhoward</author><pubDate>Thu, 30 Nov 2017 11:14:28 +0800</pubDate><description><![CDATA[随机生成原始数据分布，共计300个点，服从正态分布。为了便于区分X方向和Y方向。使X方向服从均值为50，标准差为50的正态分布，Y方向服从均值为0，标准差为100的正态分布。 
 
手动旋转θ=45\theta=45度。先构建旋转矩阵rot，可以在wiki中找到rot矩阵的定义 
rot=[cos(θ),−sin(θ);sin(θ),cos(θ)]rot=[cos(\theta),-sin(\the]]></description><category></category></item><item><title><![CDATA[PHP解压ZIP压缩包，解决中文乱码问题]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78187231</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78187231</guid><author>csuhoward</author><pubDate>Mon, 09 Oct 2017 21:52:45 +0800</pubDate><description><![CDATA[修复原生ZipArchive的中文乱码问题]]></description><category></category></item><item><title><![CDATA[python内部类的一句话优雅实现]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78179989</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78179989</guid><author>csuhoward</author><pubDate>Mon, 09 Oct 2017 10:25:48 +0800</pubDate><description><![CDATA[python内部类]]></description><category></category></item><item><title><![CDATA[【吐槽】自己读博的去向]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/78025969</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/78025969</guid><author>csuhoward</author><pubDate>Tue, 19 Sep 2017 08:54:46 +0800</pubDate><description><![CDATA[去年信心满满地想申请出国，计划今年3-5月把论文做完，然后准备3个月英语，接着申请出国。


......
于是有了上面截图里 “博客描述” 所说的“北美PhD”


没想到自己今年没完成论文，现在找了国内某校读书。
反正不是硕士和本科读的学校......
也不是清北......


要问我为什么？


因为~~我真的菜


剩下的一点信仰可能没法继续放在ACM]]></description><category></category></item><item><title><![CDATA[Caffe Solver理解篇（2） SGD, AdaDelta, Ada-Grad, Adam, NAG, RMSprop 六种梯度下降方法横向对比]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/53255918</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/53255918</guid><author>csuhoward</author><pubDate>Mon, 21 Nov 2016 10:51:53 +0800</pubDate><description><![CDATA[第一节 SGD 随机梯度下降 Stochastic gradient descent
利用负梯度方向来更新权重W：





加入了动量momentum  μ后：




第二节 AdaDelta 
出自M. Zeiler - ADADELTA: An adaptive learning rate method.
用一阶导去估计海森矩阵的方法，但是是来源于Ada-Gra]]></description><category></category></item><item><title><![CDATA[Caffe Solver理解篇（1） 主体和SGD]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/53164354</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/53164354</guid><author>csuhoward</author><pubDate>Thu, 17 Nov 2016 15:27:03 +0800</pubDate><description><![CDATA[参考译本，第四章：Solver


第一节
作用：
 协调Net的前向推断计算和反向梯度计算，更新参数，从而减小loss。
（Net具有计算的作用，Solver定义了用什么方法优化整个网络。）
3点应用：
(1)记录优化过程；（快照）
(2)创建训练网络；（学习）
(3)创建测试网络；（评估）
6个支持：
SGD, AdaDelta, AdaGrad, Adam, Nest]]></description><category></category></item><item><title><![CDATA[Caffe 理解blob之SyncedMen类同步CPU和GPU]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/53101414</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/53101414</guid><author>csuhoward</author><pubDate>Wed, 09 Nov 2016 17:06:12 +0800</pubDate><description><![CDATA[caffe中文社区给的官网译本说到：
数据既可存储在CPU上，也可以存储在GPU上，因此有两种数据访问方式：
静态方式，不改变数值；动态方式，改变数值。
const Dtype* cpu_data() const;
Dtype* mutable_cpu_data();const Dtype* foo;
Dtype* bar;
//assume init data equal to 0, and e]]></description><category></category></item><item><title><![CDATA[HTML5+PHP 实现  保存文件夹相对路径  递归上传  在线浏览]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52998520</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52998520</guid><author>csuhoward</author><pubDate>Tue, 01 Nov 2016 20:06:30 +0800</pubDate><description><![CDATA[这是最近花了一周多手工马出来的，前段用了MetroUI，后台是ThinkPHP，数据库MySQL，先看看效果吧。由于项目涉及敏感词汇我就码了一下。
1.选择要上传的文件夹，上传以后默认都在根目录下。


2.看看后台管理界面的效果]]></description><category></category></item><item><title><![CDATA[【已更新】待会想说一个今天遇到的关于数组和线段的程序员逻辑]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52927232</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52927232</guid><author>csuhoward</author><pubDate>Tue, 25 Oct 2016 20:59:29 +0800</pubDate><description><![CDATA[先占个坑]]></description><category></category></item><item><title><![CDATA[炉石传说 历代无面斩杀宇宙龙术]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52907474</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52907474</guid><author>csuhoward</author><pubDate>Mon, 24 Oct 2016 04:18:21 +0800</pubDate><description><![CDATA[思路：
 宇宙体系，
 龙随从保证站场和嘲讽，
 雷诺煎饼大地环保证血量，
 特点是带了双末日后手2费下先手三费下保证和毒瘤的前期对抗得到优势，
斩杀是不一定要OTK，OTK只是比较有节目效果，在空场或者己方随从战场时可以红龙喷脸站场，大帝减费后可以让历代、五面和AOE让你获得过墙斩杀。
没有火车王用狼骑兵的好处是4费地狱烈焰AOE后可以配合狼骑兵过墙。
死缠可以低费补个墙后的残血或]]></description><category></category></item><item><title><![CDATA[js 数组复制引用重复的问题]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52791720</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52791720</guid><author>csuhoward</author><pubDate>Tue, 11 Oct 2016 21:19:30 +0800</pubDate><description><![CDATA[js这个语言有时候能把人坑到不要不要的。
首先由于它看起来像是一个弱弱的脚本语言，你便轻视了它中间的引用和内存分配，有时候还有字符串拼接和整数加法的歧义。
今天被坑到的地方就是“引用”！


举我做工程时遇到的一个坑，我将场景简化后的问题描述如下：
在写一个触摸事件时，我定义了三个触发器，分别是onTouchStart，onTouchMove，onTouchEnd。我在onTouchS]]></description><category></category></item><item><title><![CDATA[HTML5 chrome移动设备和电脑端联调]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52710102</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52710102</guid><author>csuhoward</author><pubDate>Fri, 30 Sep 2016 11:19:48 +0800</pubDate><description><![CDATA[在移动设备上执行基于canvas等的网页游戏或者软件已经是一件很稀松平常的事情了。如果是自己要做一个类似的网页，需要Debug的话，我们通常会借用chrome的F12，召唤出开发者工具进行Debug，在console里输出，利用console.log这个万能的Debug神器进行检查。但是如果在移动端运行网页，你就没法打开F12了，移动设备上的网页要想Debug的话就只能借助和电脑的chrome联调]]></description><category></category></item><item><title><![CDATA[HTML5 canvas标签的全屏、退出全屏，canvas中显示的缩放、移动，小坑盘点]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52674131</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52674131</guid><author>csuhoward</author><pubDate>Mon, 26 Sep 2016 21:48:52 +0800</pubDate><description><![CDATA[选择任意标签全屏显示，这儿是canvas，触发函数绑在按钮上：
此处没坑
$('#tab_fullScreen').click(function(){
		fullScreen();
	});
	
	function fullScreen() {
		var element = document.getElementById('tab_canvas'),method = "RequestFul]]></description><category></category></item><item><title><![CDATA[激活函数的区别优缺点对照（半完成，待翻译）]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52538296</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52538296</guid><author>csuhoward</author><pubDate>Wed, 14 Sep 2016 15:22:54 +0800</pubDate><description><![CDATA[官方地址：
http://cs231n.github.io/neural-networks-1/#actfun


翻译：
这三天写上


截图存留：]]></description><category></category></item><item><title><![CDATA[Image inpainting 图像修复，基于梯度（一阶导数）和拉普拉斯算子（二阶导数）]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52536289</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52536289</guid><author>csuhoward</author><pubDate>Wed, 14 Sep 2016 11:40:27 +0800</pubDate><description><![CDATA[原文主要思想：沿待修复区域边缘从外向内修复，修复边缘和亮度，边缘垂直于一阶导，亮度变化速率用二阶导，代码半实现...因为虽然写出来但没有跑出效果。
inpaint.m
img = imread('img.png');
mask = imread('mask.png');

I = img .* uint8(mask == 0);

%初始化原图
nit = 1;
I = anisodiff(I]]></description><category></category></item><item><title><![CDATA[视盘检测 Accurate and Efficient Optic Disc Detection and Segmentation by a Circular Transformation]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52437606</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52437606</guid><author>csuhoward</author><pubDate>Mon, 05 Sep 2016 09:46:57 +0800</pubDate><description><![CDATA[Accurate and Efficient Optic Disc Detection and
Segmentation by a Circular Transformation



原文意思：
利用边缘的经验值获取Optic Disc Probability Map（OP），OP的前20%作为搜索区域。
缩小了搜索区域之后利用对亮度以及视盘大小的经验值进行圆变换，这里我去除了第二]]></description><category></category></item><item><title><![CDATA[Codeforces Round #361 (Div. 2) 题解 粗鲁地二分 组合数学提炼模型]]></title><link>https://blog.youkuaiyun.com/csuhoward/article/details/52421248</link><guid>https://blog.youkuaiyun.com/csuhoward/article/details/52421248</guid><author>csuhoward</author><pubDate>Sat, 03 Sep 2016 09:25:10 +0800</pubDate><description><![CDATA[A 水
B 一条直线上的点之间钻来钻去，优先队列BFS，穷人版最短路
C m在10的15次方，涉及到k的3次方，小范围打表找规律，发现结果n约等于6倍m，确定n的范围在8*10的15次方以内，二分n是20的时间复杂度，check函数是2*10的5次方时间复杂度。
D 好题，当l固定，r移动，[l r]区间中(maxa - minb)构成递增序列，二分确定(maxa - minb == 0)时]]></description><category></category></item></channel></rss>