<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[joyee512的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/joyee512</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; joyee512]]></copyright><item><title><![CDATA[读“人工智能支持下自适应学习路径构建_孔维梁“笔记]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/107150243</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/107150243</guid><author>joyee512</author><pubDate>Tue, 07 Jul 2020 16:31:14 +0800</pubDate><description><![CDATA[学习共同体从线下至线上的转移， 学习的需求 、形式和目的看似没有改变，但是具体教师的教学设计和学生的学习行为将发生较大的变化。教师需要设计线上的教学活动、提供各种教学资源以便学生在线上学习的过程中通过一定的学习路径进行知识的获取和建构。
学习路径的概念
一系列具有既定目标的活动和资源的组合，以帮助学习者在某个主题领域积累知识和技能。
自适应学习路径的概念
根据学习者的知识水平，学习模式、资源偏好等个性特征所提供的特定学习路径，以满足其个性化学习需求的学习活动和学习资源的有效序列。
学习路径模型构建需要解决的]]></description><category></category></item><item><title><![CDATA[读焦建利老师关于BOPPPS模型的习得笔记]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106937480</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106937480</guid><author>joyee512</author><pubDate>Wed, 24 Jun 2020 15:19:42 +0800</pubDate><description><![CDATA[http://mp.weixin.qq.com/s?__biz=MzUxMjA0NTU4Mw==&amp;mid=2247490675&amp;idx=2&amp;sn=857d20009296543d6263d2351d499aa1&amp;chksm=f96b3b13ce1cb205b46742460b20994771a3f8ff0989db3bf466040a2441597fc1072653c300&amp;mpshare=1&amp;scene=23&amp;srcid=&amp;sharer_sh]]></description><category></category></item><item><title><![CDATA[GCN中和图相关概念的数学表现（节点、边、度、邻接、关联、拉普拉斯）]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106898554</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106898554</guid><author>joyee512</author><pubDate>Tue, 23 Jun 2020 10:43:47 +0800</pubDate><description><![CDATA[图的一些基本知识：图，邻居，度矩阵，邻接矩阵
https://blog.youkuaiyun.com/luzaijiaoxia0618/article/details/104718146/
关联矩阵，拉普拉斯矩阵
https://blog.youkuaiyun.com/luzaijiaoxia0618/article/details/104720948
图有节点V和边E,边可以是有向的和无向的两种。两个节点之间通过边形成邻居关系。跟某一节点相关联的边的数量形成该节点的度。
——————————————————————
无向图分析
]]></description><category></category></item><item><title><![CDATA[GCN公式中特征矩阵和邻接矩阵的处理]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106834799</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106834799</guid><author>joyee512</author><pubDate>Mon, 22 Jun 2020 11:25:22 +0800</pubDate><description><![CDATA[https://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&amp;mid=2247509797&amp;idx=4&amp;sn=0f356b8f6397ad6e0743e192ed182ede&amp;chksm=e99e94dcdee91dcad9bc842ed129b27e7cfe649fc3407e21e7e0c05060c7f6daf346d628f189&amp;mpshare=1&amp;scene=23&amp;srcid=0617GtNIERqCM]]></description><category></category></item><item><title><![CDATA[十四讲之——小萝卜运动的数学语言描述]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106121435</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106121435</guid><author>joyee512</author><pubDate>Thu, 14 May 2020 16:35:51 +0800</pubDate><description><![CDATA[我的眼睛采集的是一段连续时间内某些时刻的图像数据，你能得到的是我在这些时刻的位置和环境地图。而这些时刻是离散的时间点t。
在某一时刻，我自身的位置就是x，从t=1开始到t=k，这段时间内我的所有位置对应为x1……xk，形成我的运动轨迹。
同时，我身上的传感器会在每一时刻测量到一些路标点y，获取它们的观测数据。
我需要用数学方式告诉你两件事：
1.我的运动。两个相邻的时刻点k-1和k之间，我的位置X是怎么变化的。
2.我的观测。在我运动到某一时刻K时，传感器探测到路标YK。我该怎么告诉你。
—————————]]></description><category></category></item><item><title><![CDATA[十四讲之——小萝卜的眼睛和身体运动。]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106095114</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106095114</guid><author>joyee512</author><pubDate>Wed, 13 May 2020 11:58:15 +0800</pubDate><description><![CDATA[我是可以自由移动的机器人，被丢在一个环境里需要知道两件事：
1.我自己在哪个位置？
2.我周围的环境什么样？
这就需要我用“眼睛”观察。即我的眼睛以一定的速率拍摄周围的环境，形成连续的视频流。
一、我需要有眼睛,一只眼睛还是两只眼睛还是怎么样？
1.一只眼睛——单目相机。我只能看到一个二维的画面，如果我想确定这个二维图形的三维结构，判断它的远近和大小，必须通过我自己的移动来估计物体的运动状态。但是近距离的物体，也许很容易看出他的移动。但是如果是很远的物体，即使我移动了，在我的相机上留下的还是在原位置。这就会]]></description><category></category></item><item><title><![CDATA[十四讲自测题（p8）]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/106077304</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/106077304</guid><author>joyee512</author><pubDate>Tue, 12 May 2020 17:00:10 +0800</pubDate><description><![CDATA[1.有线性方程Ax=b,若已知A、b,需要求解x，该如何求解？这对A和b有哪些要求。从A的维度和秩角度来分析。
直接左乘A逆求解，对于A而言，A必须是非奇异矩阵（非奇异矩阵是行列式不为 0 的矩阵，也就是可逆矩阵。），也就是它首先必须得是一个方阵，其次，其必须满秩（行列式的值不为零），也就是说它必须要可逆。对于b，如果b=0，为线性方程，如果b不为0，为非线性方程。
首先考虑非齐次线性方程的情况，即 b 不是 0 。
非齐次线性方程组有解的必要条件是：系数矩阵的秩等于增广矩阵的秩，否则直接判为无解
增广矩阵]]></description><category></category></item><item><title><![CDATA[读书笔记4-5]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/100520992</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/100520992</guid><author>joyee512</author><pubDate>Tue, 03 Sep 2019 17:44:28 +0800</pubDate><description><![CDATA[决策树，理解起来通俗易懂，实际内涵无限厚重！if函数也好，叶结点也罢，总之就是将预测过程理解为判断流程，判断过程中生成各个结点，判断结束得出叶结点即为预测结果。这一模型自然也有评估指标，谓之“纯度”，应对过拟合状态也可以进行剪枝。可以预剪枝，也可以后剪枝，前者容易带来欠拟合的问题，后者因为决策树已生成，剪枝过程就会计算量较大，耗费时间。
关于神经网络，内容也相对独立。学过生物的都知道神经突触，当信...]]></description><category></category></item><item><title><![CDATA[西瓜书笔记3]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/100513008</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/100513008</guid><author>joyee512</author><pubDate>Tue, 03 Sep 2019 12:54:18 +0800</pubDate><description><![CDATA[续上一章的模型和模型评估后，这个线性模型是一个具体模型。它的优点在于简单易建，能够作为非线性非线性模型的基础。而它的本质就是应用函数进行数据的结果预测。
关于线性回归，是对样例特征做线性加权，输出预测结果，尽量使得预测结果和真实输出值之间的均方误差最小化。这里涉及到一个特征属性的量化问题，有些属性可以直接量化为一组数值，有些属性则可能需要量化为三维数据。数据量化后就可以应用在函数里，直至真实值和预...]]></description><category></category></item><item><title><![CDATA[西瓜书读书2]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/100328878</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/100328878</guid><author>joyee512</author><pubDate>Mon, 02 Sep 2019 17:59:10 +0800</pubDate><description><![CDATA[第二章，围绕评估模型展开——
1 .为什么要有评估模型,因为经验误差和过拟合现象之间有一定的矛盾，借助评估模型，选择合适的方法，基于算法，可以将具体问题转化为归纳偏好的问题。在这个过程中训练集数据多少会影响模型的涵盖范围，形成经验误差，可见训练集数据集做的好，经验误差就会降低，输出结果与真实输出之间的误差就会小，也就是所说的泛化度不高，这样就会是过拟合现象。当然，如果训练集都做不好，连基本规律都不...]]></description><category></category></item><item><title><![CDATA[西瓜书笔记1]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/100320448</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/100320448</guid><author>joyee512</author><pubDate>Mon, 02 Sep 2019 17:25:18 +0800</pubDate><description><![CDATA[前言里面说的很贴心——
尽可能少地使用数学知识，这无疑是对我这个数学头痛者的最大福利。
所以，每次看到书里的数学函数、定理、曲线图等我都会告诉自己，这已经很好了，耐着性子读下去吧，别的书可不像它一样，一开始就给你打预防针。劈头盖脸的数学知识会让你不知道怎么喘气的。
根据笔者的描述，前三章基础知识，4-10章，机器学习方法。再往后面是进阶知识。嗯，我觉得再不济我也能看到进阶前。
也许笔者也知道学习过...]]></description><category></category></item><item><title><![CDATA[开始，很容易]]></title><link>https://blog.youkuaiyun.com/joyee512/article/details/100307937</link><guid>https://blog.youkuaiyun.com/joyee512/article/details/100307937</guid><author>joyee512</author><pubDate>Mon, 02 Sep 2019 16:59:58 +0800</pubDate><description><![CDATA[这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
欢迎使用Ma...]]></description><category></category></item></channel></rss>