Xia Qiaolin - 优快云

http://wenku.baidu.com/view/a2cbe102bed5b9f3f90f1cd6.htmlhttp://www.cnblogs.com/LeftNotEasy/archive/2011/05/02/basic-of-svm.html版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分

转自 http://blog.sina.com.cn/s/blog_5980285201018m6r.html花了一两天时间捣鼓CRF++的代码（LBFGS部分代码接下来会再总结一下），暂时总结一下（理论部分就不再赘述了）： 先贴一个类图吧：CRF++总结（1）" alt="2012-9-12 CRF++总结（1）" src="http://s7.sinaimg.cn/mi

http://www.cedar.buffalo.edu/~srihari/CSE574/Chap5/Chap5.3-BackProp.pdf

原本是用来柔化输出值，减小值之间的差。p[i]=exp(y[i]);S是所有p[i]的和;但是当我们需要 L=p[i]/S，而全体p[i]都是0，就会报错，所以实际中我们采用的是：p[i]=exp(y[i]-max_y_i);用来归一化p[i]到0~1之间. 论文在此：http://www.jmlr.org/papers/volume3/bengio03a/bengi

http://blog.youkuaiyun.com/a635661820/article/details/44730507

// A simple quickref for Eigen. Add anything that's missing.// Main author: Keir Mierle#include Matrix A; // Fixed rows and cols. Same as Matrix3d.Matrix B; // Fixed rows,

转自 http://blog.youkuaiyun.com/kingwolfofsky/article/details/6183319Full List１、USACO2006年November题目和测试数据的网址http://ace.delos.com/NOV062007年open赛题目和测试数据的网址http://ace.delos.com/OPEN07

http://blog.youkuaiyun.com/songzitea/article/details/18087401

http://blog.youkuaiyun.com/u012162613/article/details/42192293

http://blog.youkuaiyun.com/dark_scope/article/details/17228643

http://blog.youkuaiyun.com/wanglulu2014/article/details/21170111http://recsyswiki.com/wiki/SVDFeaturehttp://blog.youkuaiyun.com/huruzun/article/details/51055327

Cite: (http://www.cnblogs.com/pangxiaodong/archive/2011/11/21/2256264.html)    unigram/bigram很容易混淆，因为通过unigram-features也可以写出类似%x[-1,0]%x[0,0]这样的单词级别的bigram(二元特征)。而这里的unigram和bigram features指定是un

梯度法是从初值开始按照负梯度方向一步一步走,确定方向、确定步长、再确定方向、再确定步长.只顾眼前情况,大局观念差~牛顿法是令目标函数梯度等于零,直接解方程,求方向,目的就是一步就跨到最优解,只不过由于求解是近似的,导致这一步走得不太准,还需要在迭代,但是已经能说明目标观念很强了~http://zuoye.baidu.com/question/5e1c59091fb9dc8e8264

http://karpathy.github.io/neuralnets/Hacker's guide to Neural NetworksHi there, I'm a CS PhD student at Stanford. I've worked on Deep Learning for a few years as part of my research and amon

https://www.usenix.org/conference/osdi12/technical-sessions/presentation/kyrola

简述首先需要介绍P(Polynomial,多项式)问题.P问题是可以在多项式时间内被确定机(通常意义的计算机)解决的问题.NP(Non-Deterministic Polynomial, 非确定多项式)问题,是指可以在多项式时间内被非确定机(他可以猜,他总是能猜到最能满足你需要的那种选择,如果你让他解决n皇后问题,他只要猜n次就能完成----每次都是那么幸运)解决的问题.这里有一个著名的问题---

http://blog.youkuaiyun.com/dznlong/article/details/2261150

不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是：边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外，成像过程中的光照和噪声也是不可避免

http://wenku.baidu.com/view/d8851823aaea998fcc220e5f.htmlhttp://wenku.baidu.com/link?url=FhWasTFTn6iLECDrfcw_wkBLGLqVazCHfnBE0BDKm5gsMz3Ojw_3Zwc7UvWKlu9bVAtHOyspSEKtzxPAA2JbCoTNZkOjxA0d79bj1619Nt_

http://www.cnblogs.com/ztfei/archive/2012/09/01/2667050.html

介数通常分为边介数和节点介数两种.节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例.边介数定义为网络中所有最短路径中经过该边的路径的数目占最短路径总数的比例.介数反映了相应的节点或者边在整个网络中的作用和影响力，是一个重要的全局几何量，具有很强的现实意义。例如，在社会关系网或技术网络中，介数的分布特征反映了不同人员、资源和技术在相应生产关系中的地位，这对于发现和保护关键

自己的感悟：我用SMO算法实现了SVM，其实SMO就是一开始认为所有的alpha=0（0随着优化深入，alpha能够做到精确的越来越多（Question：可能有【前面优化过的alpha【因后面的alpha优化使目标函数精确化从而再一次检测出Error_Cache步长>0】被再次优化】的情况吗？），模糊区之外的（随着alpha的更新Error_Cache在变）越来越少，b也变得越来越

http://www.xuebuyuan.com/1442940.htmlmemest原型 (please type "man memset" in your shell)  void *memset(void *s,  int c, size_t n); memset:作用是在一段内存块中填充某个给定的值，它对较大的结构体或数组进行清零操作的一种最快方

作者：tornadomeet 出处：http://www.cnblogs.com/tornadomeet 　前言：　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作

最近需要在神经网络中构造复数酉矩阵做权重系数,使用了快速傅立叶变换和反变换.但是FFT不是theano的现成操作模块(有人写过对应的代码,所以应该会很快加进去了),所以想自己去写梯度传递来彻底搞清楚这件事.重新学一遍离散Fourier transform再加找梯度相关的文献学习,整整花了一周时间.从本科一毕业DFT就忘光了...在此总结了下,不得不说推倒的结果出来以后,真是出乎意料的漂