Work Hard, Play Harder!

S函数 Sigmoid Function or Logistic Function

原文转载于：http://geek.youkuaiyun.com/news/detail/85091作者：张俊林，中科院软件所博士，技术书籍《这就是搜索引擎：核心技术详解》、《大数据日知录：架构与算法》作者。曾担任阿里巴巴、百度、新浪微博资深技术专家，目前是用友畅捷通工智能相关业务负责人，关注深度学习在自然语言处理方面的应用。 责编：周建丁（zhoujd@youkuaiyun.com） 本文为

Understanding LSTM NetworksPosted on August 27, 2015Recurrent Neural NetworksHumans don’t start their thinking from scratch every second. As you read this essay, you understand each

本文详细介绍了word2vector的算法原理，公式推导，参数更新的公式推导。一共分为4个部分，为了保证每个网页不是太长，分为4个网页分别给出。

本文详细介绍了word2vector的算法原理，公式推导，参数更新的公式推导。一共分为4个部分，为了保证每个网页不是太长，分为4个网页分别给出。

本文详细介绍了word2vector的算法原理，公式推导，参数更新的公式推导。一共分为4个部分，为了保证每个网页不是太长，分为4个网页分别给出。

本文详细介绍了word2vector的算法原理，公式推导，参数更新的公式推导。一共分为4个部分，为了保证每个网页不是太长，分为4个网页分别给出。

最近S2S火得一塌糊涂，不得不学习一下

本文转载于Evaluation of Deep Learning ToolkitsEvaluation of Deep Learning ToolkitsAbstract. In this study, I evaluate some popular deep learning toolkits. The candidates are listed in alphabetical order: Ca

Hinton's Dropout in 3 Lines of PythonHow to install Dropout into a neural network by only changing 3 lines of python.Posted by iamtrask on July 28, 2015Summary: Dropout is a vital

从上一篇原创的文章到现在，已经有一年多了，目前终于有一些新的总结分享个大家。本文主要讲了RNN神经网络的基本原理，并给出了RNN神经网络参数更新的详细推导过程（back propagation），对于想知道RNN的参数是如果推导的，可以仔细阅读本文。因为时间有限，下面的总结难免有疏漏之处，请大家指正。本文结合了一个非常经典的RNN的例子代码，进行了详细的说明，RNN的代

在 PCA 详细算法介绍 （http://blog.youkuaiyun.com/watkinsong/article/details/38536463） 中， 因为篇幅问题 没有给出详细的代码示例， 这里给出代码示例。通过对人脸图像进行降维深入了解PCA算得使用。首先看一下数据集， 我们有12张人脸图像， 用10张人脸训练PCA降维矩阵， 剩下的两张可以用作测试。

1. 前言 PCA ： principal component analysis ( 主成分分析)最近发现我的一篇关于PCA算法总结以及个人理解的博客的访问量比较高， 刚好目前又重新学习了一下PCA （主成分分析） 降维算法， 所以打算把目前掌握的做个全面的整理总结， 能够对有需要的人有帮助。 自己再看自己写的那个关于PCA的博客， 发现还是比较混乱的， 希望这里能过做好整理。 本文的所有

刚刚写了imshow, 想了想发现imwrite和imshow是完全一致的， 所以根据上篇文章简单写写imwrite用法。上篇文章链接： http://blog.youkuaiyun.com/watkinsong/article/details/38535341采用图像：imwrite() 中， 如果参数为uint8类型， 那么期待的参数像素值范围为0-255， 如果参数矩

最近在用octave (类似于matlab的计算软件， 函数和matlab一致) 写程序的时候， 在显示图像和保存图像的时候遇到了一些小问题， 所以简单的总结了一下。本文用的图像为灰度图像：imread() 返回的图像类型是uint8类型， 这时用imshow显示图像的时候， imshow会认为输入矩阵的范围在0-255， 如果imshow的参数为double类型的

LDA (Latent Dirichlet ), 潜在狄利克雷分布，从头到尾详细理解， 参数估计详细介绍。

最近一直在学习SVM, 想着干脆就彻底的把读书的时候不会的东西弄明白， 所以把july 的SVM详解仔细看了以下， 然后又看了两次台大的SVM教学视频，终于对SVM有了比较透彻的了解， 所以在这里转载一下july的SVM， 并且在一些地方添加了一下自己的理解，希望能够与大家分享一下。文中添加注解的地方，以以下标志开始和结束------------------------------

In information theory, the cross entropy between two probability distributions {\displaystyle p} and {\displaystyle q} over the same underlying set of events measures the average number of bits 

The softmax function appears in many machine learning algorithms. The idea is, if you have a set of values, to scale them so they sum to 1.0 and therefore can be interpreted as probabilities.For exampl

本文转载于：http://colah.github.io/posts/2015-08-Understanding-LSTMs/Understanding LSTM NetworksPosted on August 27, 2015Recurrent Neural NetworksHumans don’t start their thinking from