pymqq的专栏

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:Softmax_RegressionsoftmaxCost.mfunction [cost, grad] = softmaxCost(theta, numClasses, inputSize, lambda, data, labels)% numClasse

A Fast Learning Algorithm for Deep Belief Nets_Hinton.pdfAutoencoder_Codecifar-10-py-colmajor.tar.gzCNN_matlab_ver_0.83CNN_matlab_ver_0.83.zipcuda-convnetcuda-convnet.zipEfficient Learni

1、深度学习新算法NaSent，Neural Analysis of Sentiment，NaSent算法从人脑中得到灵感，旨在改善当前书面语言的分析方法2、从一个文章或句子中抽出有效的feature， word2vector 就不错，这两年刚提出来的

最近在学习LLE相关的东西，读了那篇引用高达5000+的paper之后。去拜访了作者Sam Roweis的主页，竟然发现主页上写着　　The Department of Computer Science regrets to inform you that Professor Sam Roweis passed away on Tuesday, January 12, 2010. Please

作为这个年代成长起来的中国青年，相信不少人都有被父母练习“男子单打，女子单打，男女混合双打”的经历。中国有句老话，“黄荆棍下出好人”。每当我们犯了错事，说了错话，往往会遭遇父母的批评，甚至棍棒，乃至引申出“打是亲，骂是爱”等等奇谈怪论。一顿言语棍棒下来，孩子往往记忆深刻，下次遇事自然会想起以前的批评教育，行为有所改变。这种做法是否真的能出好人，我们暂且不论。今天要讲的故事与学习有关，因为在机器

引言：神经网络（NeuralNetwork）与支持向量机（SupportVectorMachines，SVM）是统计学习的代表方法。可以认为神经网络与支持向量机都源自于感知机（Perceptron）。感知机是1958年由Rosenblatt发明的线性分类模型。感知机对线性分类有效，但现实中的分类问题通常是非线性的。神经网络与支持向量机（包含核方法）都是非线性分类模型。1986年，R

from numpy import *import operatorclass KNN: def createDataset(self): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labels

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_in_2Dpca_2d.m的代码如下：clc;clear;close all;%%================================================================%% Step 0: Load da

UFLDL中的稀疏自编码器练习的代码：sampleIMAGES.mfor i = 1:numpatches imageNum = ceil(rand()*10); x = ceil(rand()*505); y = ceil(rand()*505); patch = IMAGES(x:x+7,y:y+7,imageNum); patch

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_and_Whiteningpca_gen.m修改后的文件内容如下：clc;clear;close all;%%================================================================%% Ste

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_and_Whitening上一篇博文《UFLDL Exercise:Sparse Autoencoder》已经是采用向量的方式编写的代码，详见上篇博文http://blog.youkuaiyun.com/pymqq/article/details/19490551

2.Locally-weighted logistic regressionCode: lwlr.mfunction y = lwlr(X_train,y_train,x,tau)m = size(X_train,1);n = size(X_train,2);theta = zeros(n,1);% compute weightsw = exp(-sum

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:Self-Taught_LearningstlExercise.m文件：%% CS294A/CS294W Self-taught Learning Exercise% Instructions% ------------% % This f

练习题网址：http://deeplearning.stanford.edu/wiki/index.php/Exercise:_Implement_deep_networks_for_digit_classificationstackedAECost.mfunction [ cost, grad ] = stackedAECost(theta, inputSize, hiddenSize,

在使用minFunc实现的L-BFGS优化方法进行AutoEncoder时，提示Step direction is illegal，解决方法如下：将图像的标准差归一化至1，即每个图像减去该图像的均值然后除以该图像的标准差。即使按上述方式处理后依然提示如下所示的Warning，但是可以运行了。Warning: Matrix is close to singular or badly sc

Weka3.5后增加了libsvm这个选项，在分类器中的functions下面。但是，试图运行的时候，系统提示：Problem evaluating classifier:libsvm classes not in CLASSPATH。这是因为Weka只是提供了Libsvm的Wrapper调用机制，必须要安装Libsvm后将附带的jar路径添加到Weka的启动路径中。怎么解决呢？我的Weka版本较