Jiajun的博客

ICO的全称是Initial Coin Offering（也有称作Initial Crypto-Token Offering），中文是首次代币发行。很多人错过AI，错过比特币，错过以太坊，生怕错过ICO，看到ICO犹如饿虎扑食般。在保守投资者的强烈抵触下，被批成ICO就是在炒空气。曾请教过一位在摩根工作的朋友，他说他们圈子对ICO是看空的；股神巴菲特先生怒斥比特币毫无价值。但笔者的观点是，并ICO并

专业开发Python的IDE Pycharm需要安装插件 SublimeVS CodeEclipse调试软件 pythonpudbpdb

代码：t=[0 3.9 4.1 7.3 8.4 13.1 14.8 16.4 17.7 19 19.7 20.3 21.2 24.5 26.3 27.8 28.9 29 29.8 31.1 32.8 33.5 34.5 35.6 36.2 37.6 37.8 38.7 39.4 40.3 41 41.4 42.5 43.9 45 45.7 46.9 47.8 49 49.4 51.4 53 54 5

1. 机器学习(Machine Learning)机器学习是人工智能（Artificial Intelligence）的核心。它和统计学有着密不可分的关系。作为对比，让我们先来看一看这两个领域的区别。1.1. 传统的统计学的特点：低维数据；数据中有大量噪点（Noise）；数据中没有复杂的结构，且所有结构均可以被简化为一个相对简单的模型；面临的主要问题是如何从数据中分辨出正确的结构。1.2.

多层前向BP网络的优点：网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题；网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力；网络具有一定的推广、概括能力。多层前向BP网络的问题：BP算法的学习速度很慢，其原因主要有：由于BP算法本质上为梯度下降法，而它所要优化的目标函数又非常复杂

文章来源于: http://yyue.blogspot.comA Brief Overview of Deep Learning(This is a guest post by Ilya Sutskever on the intuition behind deep learning as well as some very useful practical advice

卷积神经网络（Convolutional neural networks）是什么 卷积神经网络（简称CNNs）就是一种深度的监督学习下的机器学习模型。卷积核(kernel)是什么？ 卷积核就是算子就是权矩阵。卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数，是一个权矩阵。feature map是什么？ 在每个卷积层，数据都是以三维形式存在的。你可以把

文章转载：http://blog.youkuaiyun.com/stpeace/article/details/47089585一般来说， 搞linux开发的人， 才会用到nm命令， 非开发的人， 应该用不到。 虽然nm很简单， 但是还是有必要写几句， 聊表心意。          nm不是ni ma的缩写， 当然， 也不是ni mei的缩写， 而是names的缩写， nm

直接列举：CaffeKerasCxxnetMxnetTensorflowTheanoJoone, 07年之后不再维护了。目前我能搜罗到就这些，如果还能偶遇，还会继续完善。

http://blog.renren.com/share/248164608/7034153415Ph.D Candidate（Qualify Exam）Ph.D StudentPh.D

以下链接是关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之，我认为，知识只有分享才能产生更大的价值，真诚希望下面的链接能对

我们在很多地方都可以看到蒙特卡洛模拟的身影，预测股价，预测股票的最大损失，预测结构性债券的价格。那么什么是蒙特卡洛模拟呢？蒙特卡洛模拟最牛的地方在哪里呢？ 首先介绍一下，蒙特卡洛模拟是一种统计学的方法，它是用来模拟大量数据的。如果你直接看这句话，会被直接干晕掉，啥叫统计学的方法，为啥要模拟大量数据？所以，了解一个陌生问题的第一步就是要问为什么，这符合所有人的思考习惯，我们接下来就来解答大家几

Memory is All You Need 博客文风

前言Caffe上手Google Protocol Buffer在 Caffe 中如何计算卷积1. 前言Caffe是大神贾扬清在加州伯克利大学博士期间开发的深度学习框架，在学界和工业界得到广泛应用。 Caffe是CNN模型的非常好的框架，方便、易用；torch7是机器学习一个非常好的框架，但是，学习曲线比caffe要陡峭一些。torch7更灵活，能搞定更多的机器学习算法模型。2. Caffe上

简介 资源 Code: https://github.com/weiliu89/caffePaper: http://arxiv.org/abs/1512.02325 和Fast(er) R-CNN(python版)的代码结构不是一种风格，SSD构建的工作环境使得的文件组织略显复杂介绍一下主要文件夹的用途 examples/ssd/，存放了训练，测试的脚本，是主要操作的脚本data/，

1. 利用神经网络与外部动态存储器进行混合计算原文链接Hybrid computing using a neural network with dynamic external memory。文章在Methods章节有着非常非常详细的讲解。我还没完全弄清其机制，欢迎讨论。本人YY了一下它和神经网络加速器。2. 摘要人工神经网络非常擅长感觉处理、 序列学习、 强化学习，而限制来表示变量和数

SLL r0, r0, 0r0寄存器左移位0位存入r0中。无知的我表示有趣。:)

Fashion Landmark Detection in the Wild 研究基于CNN的Visual Fashion analysishttp://arxiv.org/abs/1608.03049Deep Convolutional Neural Networks for Microscopy-Based Point of Care Diagnostics 研究基于CNN显微观察下的病

文章链接: http://arxiv.org/pdf/1608.02989v1.pdf文章创新在于，使用CNN来做基于显微观察下的病情诊断。文章实验针对3种疾病（疟疾、肺结核、肠道寄生虫卵）展开： malaria in thick blood smearstuberculosis in sputum samplesintestinal parasite eggs in stool samp

纳什均衡，Nash equilibrium ,又称为非合作博弈均衡。非合作博弈是指在策略环境下，非合作的框架把所有的人的行动都当成是个别行动。它主要强调一个人进行自主的决策，而与这个策略环境中其他人无关。通常也就是我们字面上博弈的意思。 博弈并非只包含了冲突的元素，往往在很多情况下，既包含了冲突元素，也包含了合作元素。即冲突和合作是重叠的。

http://www.youkuaiyun.com/article/2015-09-16/2825716 https://www.zhihu.com/question/34681168

（转载至: http://www.guokr.com/post/458850/）可能很多人不知道这个人，现在控制论的前沿之一 “人工神经网络” 中 最早最经典且基础的学习算法 Hebb学习规则就是这家伙整的。。Hebb兄1904年出生，最早想当小说家，在21岁的时候取得英语学士学位。 然后他就觉得，想写出一流的小说，必须要深刻理解人类本质于是他就开始研究弗洛伊德，从此踏上了心理学的不归路 再后来

Debug 对于是一项非常重要的功能，它能够帮助我们准确的定位错误，发现程序中的 bug。python 提供了一系列 debug 的工具和包，可供我们选择。pdb 是 python 自带的一个包，为 python 程序提供了一种交互的源代码调试功能，主要特性包括设置断点单步调试进入函数调试查看当前代码查看栈片段动态改变变量的值… …启动方式：python -m pdb xxx.py

统计某文件夹下文件个数，不包括子文件夹 e.g. 统计/home下.JPEG文件的个数 ls -l “/home”|grep “.JPEG”|wc -l统计某文件夹下文件个数，包括子文件夹 e.g. 统计/home下，包括子文件夹中，.JPEG文件的个数 ls -lR “/home”|grep “JPEG”|wc -l

功能：比较两个文件的差异，并把不同地方的信息显示出来。 语法：diff [options] FILESFILES的格式：FILE1 FILE2 ：源是一个文件，目标也是文件。这两个文件必须是文本文件。以逐行的方式，比较文本文件的异同处。 e.g. diff 1.txt 2.txtDIR1 DIR2 ：源是一个目录，目标是目录。diff 命令会比较两个目录下名字相同的文本文件

从文件内容查找匹配指定字符串的行： $ grep “被查找的字符串” 文件名 例子：在当前目录里第一级文件夹中寻找包含指定字符串的.in文件 grep “thermcontact” /.in从文件内容查找与正则表达式匹配的行： $ grep –e “正则表达式” 文件名查找时不区分大小写： $ grep –i “被查找的字符串” 文件名查找匹配的行数： $ grep -c “被查找

因为实验室使用的是SVN，所以在Mac上捣鼓了会。发现Mac上不仅有神器Git，想不到SVN也有，这样一来就很方便了，于是就在网上找了有关svn的命令用法，并结合svn –help和man svn的输出将svn命令的基础用法掌握。SVN是什么？SVN是开源的版本控制系统。比CVS更多的特性。一个更好的CVS。SVN客户端常用命令一览：svn add [path] 别名：无 描述：添加文件或

大部分发行版内核都启用了CPU_HOTPLUG，到/sys/devices/system/cpu下可以看到文件夹cpu0、cpu1（有n核就有n个文件）除cpu0（这个不能关）每个文件夹下都有一个online文件，往里面写0就可以关闭核心。先su到root用户echo ‘0’ >/sys/devices/system/cpu/cpu1/online 就可以关闭第二个核，echo ‘1’ >/s

Deep Hashing: A Joint Approach for Image Signature Learning

48. Rotate ImageImformationTotal Accepted: 75511Total Submissions: 212021Difficulty: MediumQuestionYou are given an n x n 2D matrix representing an image.Rotate the image by 90 degrees (clockwise)

https://en.wikipedia.org/wiki/File:Fourier_series_and_transform.gif https://en.wikipedia.org/wiki/File:Fourier_series_sawtooth_wave_circles_animation.gif 叠加100次 https://en.wikipedia.org/wiki/File:

IEEE 754浮点数标准里面，对于取整的规定： “浮点数的舍入任何有效数上的运算结果，通常都存放在较长的暂存器中，当结果被放回浮点格式时，必须将多出来的位元丢弃。有多种方法可以用来执行舍入作业，实际上IEEE标准列出4种不同的方法：舍入到最接近：会将结果舍入为最接近且可以表示的值。这是缺省的近似方法。朝+∞方向舍入：会将结果朝正无限大的方向舍入。朝-∞方向舍入： 会将结果朝负无限大的方向舍

前言民主投票民主投票的数学分析分类器的组合方法问题总结前言数据挖掘中有三项重要的工作：分类、聚类与关联分析，其中分类器是最为重要的应用。简单来讲，计算机获得一个对象的信息就能通过这些信息判断对象的类别。例如垃圾邮件过滤（判断一封邮件的类别是垃圾邮件还是非垃圾邮件）、手写识别（判断一个手写内容的类别是“1”还是其他）、人脸识别（判断一张图片的类别是包含人脸还是不包含人脸）。分类器可以由很多种

http://www.sorting-algorithms.com 需要墙。

SAD（Sum of Absolute Difference）=SAE（Sum of Absolute Error)即绝对误差和 SATD（Sum of Absolute Transformed Difference）即hadamard变换后再绝对值求和 SSD（Sum of Squared Difference）=SSE（Sum of Squared Error)即差值的平方和 MAD

GPU Compute Capability Tesla K80 3.7 Tesla K40 3.5 Tesla K20 3.5 Tesla C2075 2.0 Tesla C2050/C2070 2.0 Tesla M40 5.2 Tesla K80 3.7 Tesla K40 3.5 Tesla K20 3.5 Tes

原文转自：http://www.scriptol.com/programming/list-algorithms.phpList of AlgorithmsA complete list of all major algorithms (300), in any domain. The goal is to provide a ready to run program for each

Linux下批量删除空文件（大小等于0的文件）的方法[cpp] view plain copyfind . -name "*" -type f -size 0c | xargs -n 1 rm -f  用这个还可以删除指定大小的文件，只要修改对应的 -size 参数就行，例如：[cpp] view plain 

本文转载自：http://www.cnblogs.com/wangqiguo/archive/2012/05/08/2486548.html查找不以baidu开头的字符串baidu.comsina.com.cn正则：^(?!baidu).*$  匹配结果就是第2行，也就是第1行被排除了这里使用了零宽度断言(?!exp),注

使用Matlab生成很大的图片时，碰到了"out of memory"的错误，导致图片无法生成，于是不得不扩展虚拟内存。具体过程记录如下：1）查看当前的虚拟内存    在Matlab的命令行中，键入命令：feature ('memstats')，得到如下结果：[plain] view plaincopyPhysical Mem