<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lgt81</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lgt81]]></copyright><item><title><![CDATA[NVIDA PX2 入门]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/79703545</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/79703545</guid><author>lgt81</author><pubDate>Mon, 26 Mar 2018 20:27:23 +0800</pubDate><description><![CDATA[偶然间看到一篇文章说UART3串口是TTL电平，不是RS232电平，用的时候注意。]]></description><category></category></item><item><title><![CDATA[深度学习-学习资源]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/54632274</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/54632274</guid><author>lgt81</author><pubDate>Mon, 23 Jan 2017 10:18:10 +0800</pubDate><description><![CDATA[2017年的主要学习任务是学习一些深度学习的算法，先整理以下相关资源，便于进行学习。
1.http://www.tensorfly.cn/home/
2.深度学习-LeCun、Bengio和Hinton的联合综述（上）
http://www.youkuaiyun.com/article/2015-06-01/2824811


深度学习-LeCun、Bengio和Hinton的联合综述（下）
h]]></description><category></category></item><item><title><![CDATA[TypeError: run() got an unexpected keyword argument 'argv']]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/54631974</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/54631974</guid><author>lgt81</author><pubDate>Fri, 20 Jan 2017 16:07:54 +0800</pubDate><description><![CDATA[将fully_connected_feed.py 文件中：
tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)语句改为：

  tf.app.run(main=main)]]></description><category></category></item><item><title><![CDATA[Softmax回归]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/54612712</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/54612712</guid><author>lgt81</author><pubDate>Thu, 19 Jan 2017 09:38:16 +0800</pubDate><description><![CDATA[Softmax回归





Contents
[hide]

1
简介2
代价函数3
Softmax回归模型参数化的特点4
权重衰减5
Softmax回归与Logistic 回归的关系6
Softmax 回归 vs. k 个二元分类器7
中英文对照8
中文译者




简介
在本节中，我们介绍Softmax回归模型，该模型是logistic回归模型在]]></description><category></category></item><item><title><![CDATA[回溯算法]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/49639171</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/49639171</guid><author>lgt81</author><pubDate>Wed, 04 Nov 2015 15:58:08 +0800</pubDate><description><![CDATA[1、概念
      回溯算法实际上一个类似枚举的搜索尝试过程，主要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。
   回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。
     许多复杂的]]></description><category></category></item><item><title><![CDATA[贪心算法]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/49639107</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/49639107</guid><author>lgt81</author><pubDate>Wed, 04 Nov 2015 15:54:13 +0800</pubDate><description><![CDATA[贪心算法

一、基本概念：
 
     所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。
     贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前]]></description><category></category></item><item><title><![CDATA[分治算法]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/49639025</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/49639025</guid><author>lgt81</author><pubDate>Wed, 04 Nov 2015 15:48:57 +0800</pubDate><description><![CDATA[分治算法

一、基本概念

   在计算机科学中，分治法是一种很重要的算法。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础，如排序算法(快速排序，归并排序)，傅立叶变换(快速傅立叶变换)……

    任何一个可以用计算机求解的]]></description><category></category></item><item><title><![CDATA[动态规划算法]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/49638955</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/49638955</guid><author>lgt81</author><pubDate>Wed, 04 Nov 2015 15:45:46 +0800</pubDate><description><![CDATA[一、基本概念

    动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

二、基本思想与策略

    基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能]]></description><category></category></item><item><title><![CDATA[useradd 用户不能登录图形界面的问题]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/24141117</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/24141117</guid><author>lgt81</author><pubDate>Sat, 19 Apr 2014 22:20:45 +0800</pubDate><description><![CDATA[解决方案：
查看用户的uid： vim /etc/passwd 或cat /etc/passwd 或 cat /etc/passwd |grep username
将用户的uid改为大于1000的数值，
在Ubuntu中，系统用户的uid为1～1000；（实践得出，暂时没有找到官方说明，一般的linux系统默认为1～500）]]></description><category></category></item><item><title><![CDATA[useradd: cannot lock /etc/passwd; try again later.]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/24141025</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/24141025</guid><author>lgt81</author><pubDate>Sat, 19 Apr 2014 22:12:56 +0800</pubDate><description><![CDATA[解决方案：
增加]]></description><category></category></item><item><title><![CDATA[error while loading shared libraries: xxx.so.x"错误的原因和解决办法]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/20521607</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/20521607</guid><author>lgt81</author><pubDate>Wed, 05 Mar 2014 07:37:02 +0800</pubDate><description><![CDATA[error while loading shared libraries: xxx.so.x"错误的原因和解决办法
2012-06-28 10:05:06

分类： LINUX

一般我们在Linux下执行某些外部程序的时候可能会提示找不到共享库的错误, 比如:


tmux: error while loading shared libraries: libevent-1.4.s]]></description><category></category></item><item><title><![CDATA[win7 odbc数据源配置]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/16926821</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/16926821</guid><author>lgt81</author><pubDate>Sun, 24 Nov 2013 21:48:35 +0800</pubDate><description><![CDATA[问题：[Microsoft][ODBC 驱动程序管理器] 在指定的 DSN 中，驱动程序和应用程序之间的体系结构不匹配
 
环境：64位win7 旗舰版，配置方法：
 
运行：
C:\Windows\SysWOW64\odbcad32.exe]]></description><category></category></item><item><title><![CDATA[美国PROWLER机器人车]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5485586</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5485586</guid><author>lgt81</author><pubDate>Wed, 14 Apr 2010 16:09:00 +0800</pubDate><description><![CDATA[美国PROWLER机器人车 国别美国 名称PROWLER机器人车 PROWLER Robotic Vehicle 研制单位机器人防务系统公司 Robot Defence Systems Inc,US 生产单位机器人防务系统公司 Robot Defence Systems Inc,US 现状研制 ]]></description><category></category></item><item><title><![CDATA[战场中的机器人]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5485529</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5485529</guid><author>lgt81</author><pubDate>Wed, 14 Apr 2010 16:01:00 +0800</pubDate><description><![CDATA[机器人，对于大多数人来说，并不是一个陌生的字眼。但是，上世纪八九十年代，当《变形金刚》上演的时候，机器人被贴上的还是一个"科幻"的标签；短短20年，媒体就开始源源不断报道机器人被用到了战场上，承担多项任务，有人预测，未来战争，就是机器人之间的"较量"。  那么，机器人在战场上能做些什么？它们是完全可以依靠的吗？研究和使用它们究竟"值不值"？它们背后的商业价值到底有多大？下面，我们带您寻找这]]></description><category></category></item><item><title><![CDATA[机器人战地报道系统]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5485513</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5485513</guid><author>lgt81</author><pubDate>Wed, 14 Apr 2010 15:58:00 +0800</pubDate><description><![CDATA[美国麻省理工学院专家设计了一种可远程遥控的机器人战地报道系统，它能够实时地报道战场图像、声音并进行现场采访。为了保证前方战地报道的时效性，美国麻省理工学院的专家们设计了这种机器人战地报道系统。     美国麻省理工学院专家设计了一种可远程遥控的机器人战地报道系统，它能够实时地报道战场图像、声音并进行现场采访。自1990年代以来，出于安全和保密等多方面考虑，美国不再准许战地记]]></description><category></category></item><item><title><![CDATA[军用机器人]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5485451</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5485451</guid><author>lgt81</author><pubDate>Wed, 14 Apr 2010 15:48:00 +0800</pubDate><description><![CDATA[。    2006年3月2日，美国东北大学海洋科学中心展出能在水下自动行走的仿生机器人--机器龙虾(BUR-001)。仿生机器人相对小巧灵活，造价低廉。它们依靠电子神经系统，传感器及新颖的驱动装置。最重要的是，它们能提供像动物那样应对真实环境的能力。   2006年6月26日在美国北卡罗来纳州New River（新河）海军陆战队空军基地里，在一架MV-22“鱼鹰]]></description><category></category></item><item><title><![CDATA[运动目标检测、阴影检测及目标跟踪中用得到的标准测试视频下载]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5472257</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5472257</guid><author>lgt81</author><pubDate>Sun, 11 Apr 2010 11:27:00 +0800</pubDate><description><![CDATA[在搜测试视频时，找到andrew31在ilovematlab论坛中分享的网址链接。我转载于此，并做出详细介绍，方便大家以后使用！1. PETS2001的测试视频http://www.filewatcher.com/b/ftp/ftp.cs.rdg.ac.uk/pub/PETS2001.0.0.html内容如下，可以得到如下所示5个DATASET，有训练和测试视频：ftp://ftp]]></description><category></category></item><item><title><![CDATA[来自MIT:如何做研究(转)]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5464076</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5464076</guid><author>lgt81</author><pubDate>Thu, 08 Apr 2010 20:08:00 +0800</pubDate><description><![CDATA[时间：1988年9月摘要本文的主旨是解释如何做研究。我们提供的这些建议，对做研究本身（阅读、写作和程序设计），理解研究过程以及开始热爱研究（方法论、选题、选导师和情感因素），都是极具价值的。备注：人工智能实验室的Working Papers用于内部交流，包含的信息由于过于初步或者过于详细而无法发表。不像正式论文那样，会列出所有的参考文献。1.　简介 并没有什么神丹妙药可以保证在研究中取得成功，本文]]></description><category></category></item><item><title><![CDATA[数据挖掘中的几个算法—adaboost]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5456025</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5456025</guid><author>lgt81</author><pubDate>Tue, 06 Apr 2010 21:36:00 +0800</pubDate><description><![CDATA[7 AdaBoost7.1 Description of the algorithmEnsemble learning [20] deals with methods which employ multiple learners to solve a problem. The generalization ability of an ensemble is usually signific]]></description><category></category></item><item><title><![CDATA[数据挖掘中的几个算法——knn]]></title><link>https://blog.youkuaiyun.com/lgt81/article/details/5456014</link><guid>https://blog.youkuaiyun.com/lgt81/article/details/5456014</guid><author>lgt81</author><pubDate>Tue, 06 Apr 2010 21:32:00 +0800</pubDate><description><![CDATA[8 kNN: k-nearest neighbor classification8.1 Description of the algorithmOne of the simplest, and rather trivial classifiers is the Rote classifier, which memorizes the entire training data and per]]></description><category></category></item></channel></rss>