- 博客(20)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 Foundation of Machine Learning 笔记第一部分——PAC学习框架
本文翻译自《Foundation of Machine Learning》第二章2.1节。主要内容是定义了PAC学习框架。
2017-03-02 22:04:54
4736
原创 Hessian矩阵为什么能表示各个维度的相关性
Hessian矩阵为什么能表示各个维度的相关性Hessain矩阵是什么？给定一个多元标量函数f(x)=f(x1,x2,...,xn)f(\textbf{x})=f(x_1, x_2, ..., x_n)f(x)=f(x1,x2,...,xn)，Hessain矩阵的含义是这个函数的二阶导数d2f(x)dx2\frac{\text{d}^2f(\textbf{x})}{d\textbf{x}...
2020-02-07 17:16:34
716
原创 python 的返回值为list 的 property 绕过 setter 的问题
当用property装饰一个属性，并且这个属性返回的是一个list(或者一个类，一个dict，都会有同样的情况)，那么如果我们使用list的索引去访问list，setter将不起任何作用。 如下所示：In [1]: class test(object): ...: a = [10,10,10] ...: @property ...: def ads(
2017-05-05 15:18:47
812
原创 Python 多层装饰器
前言Python 的装饰器能够在不破坏函数原本结构的基础上，对函数的功能进行补充。当我们需要对一个函数补充不同的功能，可能需要用到多层的装饰器。在我的使用过程中，遇到了两种装饰器层叠的情况，这里把这两种情况写下来，作为踩坑记录。情况1def A(funC): def decorated_C(funE): def decorated_E_by_CA(*args, **kwarg
2017-05-05 10:26:48
4612
原创 按概率收敛与几乎处处收敛
注意以下内容仅作为个人笔记，初学者请不要参考本篇内容，欢迎学过的同学来提出质疑。正文首先给出两种收敛的定义。对于一个随机变量序列 {θ^n(x)}n\{\hat \theta_n(x)\}_n，这个随机变量的值由随机变量 xx 决定。对于任意正实数 ϵ\epsilon，如果存在一个随机变量 θ(x)\theta(x) 使下式成立: limn→∞Pr(x,|θ^n(x)−θ(x)|<ϵ)=1,\l
2017-05-03 22:29:14
23877
1
原创 Tensorflow 权重衰减的使用
在 tf.get_variable 这个函数中有一个命名参数为 regularizer，顾名思义，这个参数可用于正则化。在 Tensorflow 官网中，regularizer 的描述如下：get_variable( name, shape=None, dtype=None, initializer=None, regularizer=None, tr
2017-05-03 00:02:20
5707
1
原创 深度学习的Xavier初始化方法
在tensorflow中，有一个初始化函数：tf.contrib.layers.variance_scaling_initializer。Tensorflow 官网的介绍为：variance_scaling_initializer( factor=2.0, mode='FAN_IN', uniform=False, seed=None, dtype=tf.fl
2017-05-02 21:43:02
16517
3
原创 Foundation of Machine Learning 笔记第七部分—— VC维
这个系列的文章虽然题为书本《Foundation of Machine Learning》的读书笔记
2017-03-26 17:03:45
2447
原创 Foundation of Machine Learning 笔记第六部分——成长函数
前言注意事项：这个系列的文章虽然题为书本《Foundation of Machine Learning》的读书笔记，但实际我是直接对书本的部分内容进行了个人翻译，如果这个行为有不妥当的地方，敬请告知。由于知识面限制，部分名词的翻译可能存在错误，部分难以翻译的名词保留英文原词。为了防止误导大家，在这里声明本文仅供参考。本文基本翻译自《Foundation of Machine Lear...
2017-03-20 15:43:00
3032
1
原创 Foundation of Machine Learning 笔记第五部分 (2) —— Rademacher Complexity 和 VC 维
《Foundation of Machine Learning》笔记第四部分翻译自书本3.1节。同时增加了对假设集不一致情况的PAC证明
2017-03-20 11:00:55
3444
原创 Foundation of Machine Learning 笔记第五部分 (1) —— Rademacher Complexity 和 VC 维
前言注意事项：这个系列的文章虽然题为书本《Foundation of Machine Learning》的读书笔记，但实际我是直接对书本的部分内容进行了个人翻译，如果这个行为有不妥当的地方，敬请告知。由于知识面限制，部分名词的翻译可能存在错误，部分难以翻译的名词保留英文原词。为了防止误导大家，在这里声明本文仅供参考。本文基本翻译自《Foundation of Machine Lear...
2017-03-13 14:20:36
4589
原创 Foundation of Machine Learning 笔记第四部分 —— Generalities 以及对不一致假设集的PAC学习证明
前言注意事项：这个系列的文章虽然题为书本《Foundation of Machine Learning》的读书笔记，但实际我是直接对书本的部分内容进行了个人翻译，如果这个行为有不妥当的地方，敬请告知。由于知识面限制，部分名词的翻译可能存在错误，部分难以翻译的名词保留英文原词。为了防止误导大家，在这里声明本文仅供参考。本文基本翻译自《Foundation of Machine Lear...
2017-03-07 10:40:07
2378
1
原创 Foundation of Machine Learning 笔记第三部分——Guarantees for Finite Hypothesis Sets in Inconsistent Case
《Foundation of Machine Learning》个人翻译这篇文章来自该书2.3节
2017-03-06 10:40:53
976
原创 Foundation of Machine Learning 笔记第二部分——Guarantees for Finite Hypothesis Sets in Consistent Case
翻译自书本《Foundation of Machine Learning》2.2节。证明了假设集有限且一致情况下的PAC保证
2017-03-03 17:02:53
1845
1
原创 GIT本地仓库的删除
打开GIT本地仓库所在文件夹，在文件夹设置中打开隐藏文件可见，然后会出现一个命名为“.git”的文件夹，直接删除这个文件夹就可以删除本地仓库而保留其他文件了。
2016-10-08 14:40:07
694
原创 （控制）把SIMULINK转成C语言并在VS中调用
背景最近在搭建一个目标追踪平台，其中需要对云台进行控制。在查阅了相关文献后发现有人用模糊控制实现了对云台的控制，于是我对模糊控制进行了研究。在这个过程中发现SIMULINK其实是可以转成C语言的（再次感叹MATLAB的神奇），这个功能大大地减少了我的工作量。由于时间不允许，在转换过程中我没有对这里的一些细节进行研究，而且网络上关于这个方法把这个方法的文章不多（主要是本人懒得看英文资料……），所以把它
2016-09-09 21:01:57
27244
12
原创 个人博客的说明
个人博客的说明在编程学习中，越来越体会到知识输出的重要性，所以特地开通这个博客，以后会不定期地在这上面发一些个人笔记。希望在对自己的知识进行总结的同时，亦能接收网友的意见。目前个人的基础较差，在博客中难免会有一些见笑的地方，请大家多多见谅，若有错漏之处，也请不吝赐教。
2016-09-09 20:31:58
1176
求助Imagenet2010百度网盘下载地址、或者内网下载速度快的
2020-02-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人