<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dilanshan0606的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dilanshan0606</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dilanshan0606]]></copyright><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-模拟退火算法(Simulated Annealing)]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348238</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348238</guid><author>dilanshan0606</author><pubDate>Thu, 20 Nov 2008 19:48:00 +0800</pubDate><description><![CDATA[在 人工神经网络(Artificial Neural Netwroks)笔记-消除样本顺序的BP算法 一文的下面提到了几个要讨论的问题 其中 “局部极小点问题，如何逃离或者避开局部极小点呢？”这个问题可以通过模拟退火算法(Simulated Annealing) 来提高逃离局部极小点向全局最优点进发的可能性。人工神经网络(Artificial Neural Netwroks)笔记...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-径向基函数(Radial Basis Function- RBF)]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348244</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348244</guid><author>dilanshan0606</author><pubDate>Tue, 09 Sep 2008 13:25:00 +0800</pubDate><description><![CDATA[RBF 网络起源于数值分析中的多变量插值的径向基函数方法，其所具有的最佳逼近特性是传统BP 网络所不具备的。三层的RBF 网络具有可以逼近任意函数的能力。假设网络中的输入节点隐层节点输出节点数分别为N,L,M 。隐含层的作用是对输入模式进行变换将低维的模式输入数据转换到高维空间内以利于输出层进行分类识别。最常用的径向基函数是高斯核函数 ,形式为 k(||x-xc||)=exp{- ||x...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-粒子群优化(Partical Swarm Optimization - PSO)...]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348236</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348236</guid><author>dilanshan0606</author><pubDate>Thu, 28 Aug 2008 12:17:00 +0800</pubDate><description><![CDATA[关于粒子群优化的内容可以通过搜索得到。下面主要是个人对于粒子群优化的一点理解，以及应用于BP神经网络中做权重的调整原文在：http://baike.baidu.com/view/1531379.htm引用下面一些内容===============我是引用的分界线=================粒子根据如下的公式来更新自己的速度和新的位置 v[] = w * v[] + c1 * ran...]]></description><category></category></item><item><title><![CDATA[识别地图上的地名-- 笔记一]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348242</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348242</guid><author>dilanshan0606</author><pubDate>Thu, 21 Aug 2008 01:29:00 +0800</pubDate><description><![CDATA[不记得是几月份了，king总接了一个私活，就是要求从地图查询的那些网站上获取到地图下来，然后识别出地图中的地名。需求很简单的目标也很明确。king总貌似用了一个星期左右的时间就完成了。在此佩服一下。在此前我已经对图像很有兴趣，但是一直没有机会练手，现在就king总上面的需求，我也来试试识别地图上的地名。大概的思路如下：把彩色的地图图像变换成灰度图像，对灰度图像进行二值化，去掉一些噪点，然...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-基本的非确定性统计训练算法]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348234</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348234</guid><author>dilanshan0606</author><pubDate>Fri, 15 Aug 2008 18:56:00 +0800</pubDate><description><![CDATA[在上一篇文章 《人工神经网络(Artificial Neural Netwroks)笔记-消除样本顺序的BP算法 》中 修改权重的方法被称为"最速下降法"。每一次权重的修改都是确定的，权重都会被修改。甚至到最简单的单层感知器也是如此。但是我们有一个疑问，是否每一次的权重修改都是好的呢？虽然"最速下降法"能在数学上被证明是每一次都比前一次越来越逼近最优解，但是这个逼近可是一个无休止的过程。...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348240</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348240</guid><author>dilanshan0606</author><pubDate>Wed, 09 Jul 2008 18:58:00 +0800</pubDate><description><![CDATA[花了一个多星期的时间在重新学习 人工神经网络(Artificial Neural Netwroks)关于人工神经网络(Artificial Neural Netwroks)的介绍以及应用可以通过网络获得在我的笔记中主要关于多个算法流程是如何实现的“读书每有所得必记录之” 某人说的，因此我也诞生了下面的笔记和大家分享人工神经网络(Artificial Neural Netwroks)笔记-...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-消除样本顺序的BP算法]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348232</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348232</guid><author>dilanshan0606</author><pubDate>Wed, 09 Jul 2008 18:41:00 +0800</pubDate><description><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-基本BP算法 上文中已经提到“基础BP算法“偏爱”较后出现的样本，因此较后出现的样本对网络影响较大”本文将记录如何消除这个影响用(X1,Y1),(X2,Y2),....(Xs,Ys)的总效果丢该 W^(1),W^(2),...W^(L)△W^(K)ij=∑△pW^(k)ij只是替换了原来的简单修改权重矩阵那部分具体...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-连续多输出感知器算法]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348239</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348239</guid><author>dilanshan0606</author><pubDate>Tue, 01 Jul 2008 19:26:00 +0800</pubDate><description><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记--离散多输出感知器训练算法 中的2.1.3步是多个判断，因此我们说它是一种离散多输出感知器现在采用公式 Wij=Wij+α(Yj-Oj)Xi取代了那个步骤Yj和Oj之间的差别对Wij的影响由α(Yj-Oj)Xi表现出来这样做的好处是不仅使得算法的控制在结构上更容易理解，而且还使得它的适应面更宽算法流程如下：1.用...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记--离散多输出感知器训练算法]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348237</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348237</guid><author>dilanshan0606</author><pubDate>Tue, 01 Jul 2008 15:23:00 +0800</pubDate><description><![CDATA[这是对离散单输出感知器算法的扩展相关的符号定义请参考 《人工神经网络(Artificial Neural Netwroks)笔记-离散单输出感知器算法 》OK,Start Our Game1.初始化权重矩阵W;2.重复下列过程，直到训练完成：2.1对每个样本(X,Y),重复如下过程：2.1.1 输入X;2...]]></description><category></category></item><item><title><![CDATA[人工神经网络(Artificial Neural Netwroks)笔记-离散单输出感知器算法]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348235</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348235</guid><author>dilanshan0606</author><pubDate>Sun, 29 Jun 2008 23:08:00 +0800</pubDate><description><![CDATA[最近在重新学习人工神经网络(Artificial Neural Netwroks)，做做笔记，整理思路离散单输出感知器算法，传说中的MP二值网络：自变量及其函数的值、向量分量的值只取0和1函数、向量权向量：W=(w1,w2,w3.....wn)输入向量：X=(x1,x2,x3.....xn)训练样本集{(X,Y)|Y为输入向量X的输出}训练过程比较简单如下：1，初始化权向量W2，重复下列...]]></description><category></category></item><item><title><![CDATA[Mutual Information 互信息的应用]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348233</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348233</guid><author>dilanshan0606</author><pubDate>Wed, 25 Jun 2008 11:36:00 +0800</pubDate><description><![CDATA[MI使用如下公式计算某个特征项t和类别c之间的相关性。
其中，A为t和c同时出现的次数；B为t出现而c没有出现的次数；C为c出现而t没有出现的次数。N为所有文档数。如果t和c不相关，则I(t,c)值为0。如果有m个类，于是对于每个t会有m个值，取它们的平均，就可得到特征选取所需的一个线性序。大的I平均值的特征被选取的可能性大。上面为互信息(Mutual Information,MI)在...]]></description><category></category></item><item><title><![CDATA[BeIT Memcached]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348231</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348231</guid><author>dilanshan0606</author><pubDate>Fri, 30 May 2008 16:36:00 +0800</pubDate><description><![CDATA[最近在项目中需要使用缓存来提高性能，当然是使用Memcached啦。刚找到一个不错的C#做的客户端，貌似是基于Memcached 1.2.4版本的，而刚好我问朋友要了一个1.2.4版本的服务端，完美了。咔咔主页http://code.google.com/p/beitmemcached/介绍BeIT Memcached is a client for memcached writte...]]></description><category></category></item><item><title><![CDATA[web页面列表的内容抽取]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348227</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348227</guid><author>dilanshan0606</author><pubDate>Fri, 30 May 2008 16:35:00 +0800</pubDate><description><![CDATA[刚才一朋友有一个需求，就是抽取web页面列表的内容例如论坛的帖子列表，他要求通用化的简单地想了一下，思路如下：利用HtmlAgilityPack （C#） 把页面的html变成DOM树以方便操作遍历节点，计算节点之间的相似度如果节点的相似度比较高的就可以认为是相似的节点而且通过DOM树可以知道节点是否同级如果同级或者层次相同的话那么基本上就是列表里面的节点了简单思路，欢迎讨论

转载于:...]]></description><category></category></item><item><title><![CDATA[文本相似度计算--余弦定理和广义Jaccard系数]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348229</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348229</guid><author>dilanshan0606</author><pubDate>Sat, 04 Aug 2007 13:17:00 +0800</pubDate><description><![CDATA[在7.9余弦定理+空间向量--我的数学3中简单地说了一下利用余弦定理来计算文本相似度。下面是利用余弦定理和广义Jaccard系数来计算文本相似度。简单介绍一下Jaccard系数:广义Jaccard系数可以用于文档数据，并在二元属性情况下归约为Jaccard系数。广义Jaccard系数又称Tanimoto系数。（有另一种系数也称为Tanimoto系数）。该系数用EJ表示，由下式定义：EJ...]]></description><category></category></item><item><title><![CDATA[倒排序索引实验]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348230</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348230</guid><author>dilanshan0606</author><pubDate>Sat, 04 Aug 2007 00:12:00 +0800</pubDate><description><![CDATA[倒排序索引实验，无意义，无价值，纯粹为了理清思路ReverseOrderIndex.rar测试代码下载class Word 为主要被索引的词，其中  public IList&lt;string&gt; FileList; 该词所在的文件列表 public IList&lt;TF&gt; Degree;该词在对应的文件中出现的次数以及位置索引...]]></description><category></category></item><item><title><![CDATA[坏事做尽--通过修改IL获取某资源文件]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348228</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348228</guid><author>dilanshan0606</author><pubDate>Fri, 20 Jul 2007 02:17:00 +0800</pubDate><description><![CDATA[事情源于想获取某个非开源组件里面的某个资源文件的内容该资源文件为一个二进制文件，通过某种方式解析出来之后将会是一行行的字符串我就是想拿到这些字符串目的很明确开始准备工具 ildasm,ilasm,Xenocode Fox该组件已经通过Xenocode 混淆过了，但是不代表不能看，只要细心分析还是能看出端倪。通过Xenocode Fox 分析得到文件资源文件的内容通过解析之后被加载到pri...]]></description><category></category></item><item><title><![CDATA[Castle:Windsor Container入门级教程(翻译六)]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348225</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348225</guid><author>dilanshan0606</author><pubDate>Sat, 14 Apr 2007 01:10:00 +0800</pubDate><description><![CDATA[原文连接：http://www.castleproject.org/container/gettingstarted/part1/index.html来自官方的一个入门教程。写了一下简单的翻译。也作为是自己学习castle的记录吧。
IMHO： In My Humble Opinion 恕我直言。 这个缩写是这次翻译所学到的。^_^

在这个快速入门部分，将向你介绍一些Wi...]]></description><category></category></item><item><title><![CDATA[在一个win Forms应用中嵌入以及播放WAV音频文件（翻译五）]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348223</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348223</guid><author>dilanshan0606</author><pubDate>Sat, 14 Apr 2007 00:48:00 +0800</pubDate><description><![CDATA[文原文连接：http://www.c-sharpcorner.com/UploadFile/scottlysle/PlayWav01142007012501AM/PlayWav.aspx
在一个win Forms应用中嵌入以及播放WAV音频文件


背景
本文描述如何嵌入WAV音频文件到应用程序里面以及通过使用System.Media 类库来播放这些文件。由于使用了Syst...]]></description><category></category></item><item><title><![CDATA[怎样将字符串转换成十六进制以及其逆转换（翻译四）]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348226</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348226</guid><author>dilanshan0606</author><pubDate>Sat, 14 Apr 2007 00:36:00 +0800</pubDate><description><![CDATA[原文连接：
http://www.c-sharpcorner.com/UploadFile/Joshy_geo/HexConverter10282006021521AM/HexConverter.aspx
怎样将字符串转换成十六进制以及其逆转换。

背景

本文将告诉你怎样将字符串转换成十六进制以及其逆转换。

我为我的智能卡应用而做的这个程序。较早前，我...]]></description><category></category></item><item><title><![CDATA[用C#写托管的用户自定义函数(翻译三)]]></title><link>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348221</link><guid>https://blog.youkuaiyun.com/dilanshan0606/article/details/102348221</guid><author>dilanshan0606</author><pubDate>Sat, 14 Apr 2007 00:26:00 +0800</pubDate><description><![CDATA[原文连接：http://www.c- sharpcorner.com/UploadFile/pk_khuman/ManagedUserDefinedFunctionUsingCSharp02212007015548AM/ManagedU serDefinedFunctionUsingCSharp.aspx用C#写托管的用户自定义 函数


简介
随着SQL Server 20...]]></description><category></category></item></channel></rss>