<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Chris's Notes]]></title><description><![CDATA[只问事实是什么，不要被愿望蒙蔽。]]></description><link>https://blog.youkuaiyun.com/withchris</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; withchris]]></copyright><item><title><![CDATA[Python 机器学习基础（二）——Numpy 篇]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/80418574</link><guid>https://blog.youkuaiyun.com/withchris/article/details/80418574</guid><author>withchris</author><pubDate>Wed, 23 May 2018 13:21:06 +0800</pubDate><description><![CDATA[本文是 Python 机器学习基础系列文章的第二篇——Numpy 篇。

Numpy

Numpy 是 Python 的一种开源数值计算扩展包，它可以用于存储和处理大型矩阵，比 Python 自带的嵌套列表结构要高效得多。





Numpy 数组（Numpy array）

数组（array）是 numpy 模块的一个主要类，可以表示向量（一维）、矩阵（二维）或高维数组，如声音、图像、视频等，...]]></description><category></category></item><item><title><![CDATA[Python 机器学习基础（一）——Python 篇]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/80418570</link><guid>https://blog.youkuaiyun.com/withchris/article/details/80418570</guid><author>withchris</author><pubDate>Wed, 23 May 2018 13:20:33 +0800</pubDate><description><![CDATA[本文是 Python 机器学习基础系列文章的第一篇——Python 篇。

Python

任何一门编程语言，入门学习的基础知识包括：数据类型、控制流、函数、模块化、类，以及一些常用的零碎语法。Python 亦不例外。





数据类型



基本数据类型

包括布尔型（bool）、整型（int）、长整型（long）、浮点型（float）、复数（complex）五种。


内置常量：False,...]]></description><category></category></item><item><title><![CDATA[ROS Tutorial Summarize]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/79122993</link><guid>https://blog.youkuaiyun.com/withchris/article/details/79122993</guid><author>withchris</author><pubDate>Sun, 21 Jan 2018 21:00:28 +0800</pubDate><description><![CDATA[Tutorial 1 Configurations
Tutorial 2 Packages
Tutorial 3 Packages
Tutorial 4 Packages
Tutorial 5 ROS node
Tutorial 6 ROS topic





Tutorial 1 (Configurations)


Create a ROS workspace:


mkdir -p ~/c]]></description><category></category></item><item><title><![CDATA[Python 抓取新浪财经股票数据]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62420085</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62420085</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 12:01:56 +0800</pubDate><description><![CDATA[新浪并未提供 API，但我们可以通过抓包来获取实时或历史行情数据。实时行情比如我们可以通过浏览器访问：http://hq.sinajs.cn/?format=text&list=sh601688来获取证券代码为 sh601688 的实时行情数据，可以看到内容为：var hq_str_sh601688="华泰证券,20.280,20.250,20.340,20.400,20.200,20.320,20]]></description><category></category></item><item><title><![CDATA[Apache Thrift 配置和使用指南]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62420041</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62420041</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 12:00:15 +0800</pubDate><description><![CDATA[Thrift 安装Mac 下 Thrift 安装快速安装使用 Mac 的包管理器 Homebrew。首先安装 Homebrew:ruby -e "$(curl -fsSL https://raw.github.com/Homebrew/homebrew/go/install)"使用 Homebrew 安装 thrift:brew install thrift如需手动安装特定版本，请参考以下若干小节。]]></description><category></category></item><item><title><![CDATA[在 C# 中使用 C++]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62420002</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62420002</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:59:05 +0800</pubDate><description><![CDATA[C# 调用 C++ 中的函数或类是通过调用其 dll 来实现的。对于 unmanaged C++，我们在每个函数前加上 dllexport，并在 C# 代码中通过 dllimport 和 extern static 来调用 dll 中的函数。这样需要为每个函数添加 dllimport/dllexport，很不方便。]]></description><category></category></item><item><title><![CDATA[CNN 简史与 Keras 增量实现（一）—— Softmax 分类器]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419905</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419905</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:57:00 +0800</pubDate><description><![CDATA[在学习 CNN 之前，我们先实现一个 Softmax 多类分类器，作为 baseline。

实现 Softmax 过程中涉及的参数初始化、梯度下降和一些实验观察有助于后面对神经网络的理解。Softmax 属于多类分类器，输入为样本特征，输出为样本属于各个类别的概率。

上一节我们提到，机器学习算法通常由三部分组成：得分函数、损失函数和优化算法。我们逐一实现 Softmax 的这几个部分。]]></description><category></category></item><item><title><![CDATA[Python 机器学习基础（二）——Numpy]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419528</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419528</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:46:27 +0800</pubDate><description><![CDATA[本文是 Python 机器学习基础系列文章的第二篇——Numpy 篇。NumpyNumpy 是 Python 的一种开源数值计算扩展包，它可以用于存储和处理大型矩阵，比 Python 自带的嵌套列表结构要高效得多。Numpy 数组（Numpy array）数组（array）是 numpy 模块的一个主要类，可以表示向量（一维）、矩阵（二维）或高维数组，如声音、图像、视频等，并可以进行面向向量或矩阵的]]></description><category></category></item><item><title><![CDATA[Python 机器学习基础（一）——Python]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419498</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419498</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:45:23 +0800</pubDate><description><![CDATA[本文是 Python 机器学习基础系列文章的第一篇——Python 篇。Python任何一门编程语言，入门学习的基础知识包括：数据类型、控制流、函数、模块化、类，以及一些常用的零碎语法。Python 亦不例外。数据类型基本数据类型包括布尔型（bool）、整型（int）、长整型（long）、浮点型（float）、复数（complex）五种。]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（三）——欧氏空间与正交变换]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419360</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419360</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:38:24 +0800</pubDate><description><![CDATA[包括两种内积空间：
（1）实内积空间（欧氏空间） 
（2）复内积空间（酉空间）本节讲欧氏空间，包括四个部分：（1）欧氏空间 
（2）正交性 
（3）正交变换与正交矩阵 
（4）对称变换与对称矩阵  欧氏空间
  欧氏空间即是实内积空间
定义：（1）欧氏空间：实数域上的 V 定义两向量到实数的映射 (x,y)，满足交换律、分配率、齐次性、非负性，称为内积，V 称为内积空间或欧氏空间；]]></description><category></category></item><item><title><![CDATA[模式识别/机器学习百题（含大部分答案）]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419295</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419295</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:36:06 +0800</pubDate><description><![CDATA[一、概论1、简述模式的概念和它的直观特性，解释什么是模式识别，同时绘出模式识别系统的组成框图，并说明各部分的主要功能特性。对于存在于时间和空间中，可观察的物体，如果我们可以区分它们是否相同或相似，都可以称之为“模式”（或“模式类”）。模式所指的不是事物本身，而是从事物中获得的信息。因此，模式常常表现为具有时间和空间分布的信息。模式的直观特性包括：可观察性，可区分性，相似性。模式识别就是对模式的区分和]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（十）——广义逆矩阵]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62419009</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62419009</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:21:06 +0800</pubDate><description><![CDATA[当 AA 满秩时，方程 Ax=bAx = b 的解为 x=A−1bx = A^{-1}b。但当 AA 不满秩，甚至方程 Ax=bAx = b 无解时，我们也希望用某种逆 A†A^\dagger 的形式表示方程的（近似）解 x=A†bx = A^\dagger b。这便是广义逆的作用。]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（八）——矩阵分解]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418943</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418943</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:18:20 +0800</pubDate><description><![CDATA[主要包括以下几种分解：
LU 分解
QR 分解
满秩分解
SVD 分解
分别简介如下：
LU 分解简介：把方阵分解为下三角矩阵与上三角矩阵的乘积 A=LUA = LU；  
条件：AA 的前 1∼n−11\sim n-1 阶顺序主子式非零，则存在唯一分解 A=LDUA = LDU；  
算法：① Gauss 消元法，② Crout 分解，③ Doolittle]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（七）——矩阵的微分和积分]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418896</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418896</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:16:13 +0800</pubDate><description><![CDATA[对矩阵求微分和积分，就是对其每个元素求微分和积分。定义
导数：矩阵 A(t)=(aij(t))m×nA(t) = (a_{ij}(t))_{m\times n} 的每个元素可微，则称 A(t)A(t) 可微，其导数（微商）定义为 A′(t)=ddtA(x)=(ddtaij(t))m×nA'(t) = \frac{\text{d}}{\text{d}t} A(x) = (\frac{\text{d}}]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（五）——向量范数与矩阵范数]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418876</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418876</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:14:57 +0800</pubDate><description><![CDATA[范数是距离在向量和矩阵上的推广，在研究收敛性、判断矩阵非奇异等方面有广泛应用。本节包括以下内容：
（1）向量范数； 
（2）矩阵范数； 
（3）从属范数； 
（4）谱半径； 
（5）矩阵的非奇异条件。1 向量范数从向量到实数的映射/函数。定义（1）条件：非负性、齐次性、三角不等式（∥x+y∥≤∥x∥+∥y∥\|x+y\| \leq \|x\| + \|y\|）。]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（四）——酉空间与酉变换]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418809</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418809</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:12:39 +0800</pubDate><description><![CDATA[酉空间是定义在复数域上的内积空间。由于在复数中，i2=−1i^2 = -1，为了使内积为正，需要在转置中加入了共轭的操作。这是酉空间与实数域的欧氏空间的主要区别。二者有一套平行的理论。]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（二）——线性变换]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418692</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418692</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:07:40 +0800</pubDate><description><![CDATA[分为如下六个部分：
- 线性变换及其运算
- 线性变换的矩阵表示
- 特征值与特征向量
- 对角矩阵
- 不变子空间
- Jordan 标准形]]></description><category></category></item><item><title><![CDATA[矩阵论笔记（一）——线性空间]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/62418658</link><guid>https://blog.youkuaiyun.com/withchris/article/details/62418658</guid><author>withchris</author><pubDate>Thu, 16 Mar 2017 11:05:31 +0800</pubDate><description><![CDATA[线性空间线性空间是定义在数域 K 上满足某些运算规律的向量集合，而数域本身也是一种特殊的集合。所以我们先讲集合，再讲数域，最后讲线性空间。相关概念：
集合：两种表示方式（列举、性质），并集、交集、和集（元素和的可能值集合）；
数域：一种数集，元素的和、差、积、商仍在数集中，称为数域，如有理数域、复数域、实数域；
映射：象、原象，到自身的映射（变换），映射的乘积、结合律；]]></description><category></category></item><item><title><![CDATA[论文笔记 —— SRCNN]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/53140669</link><guid>https://blog.youkuaiyun.com/withchris/article/details/53140669</guid><author>withchris</author><pubDate>Sat, 12 Nov 2016 14:52:41 +0800</pubDate><description><![CDATA[本文系论文 Learning a Deep Convolutional Network for Super-Resolution （ECCV 2014）的阅读笔记。]]></description><category></category></item><item><title><![CDATA[vue-loader 与 webpack]]></title><link>https://blog.youkuaiyun.com/withchris/article/details/51385053</link><guid>https://blog.youkuaiyun.com/withchris/article/details/51385053</guid><author>withchris</author><pubDate>Thu, 12 May 2016 16:21:23 +0800</pubDate><description><![CDATA[参考[1] Vue.js build set-up from scratch with webpack, vue-loader and hot reload  
[2] Vue笔记二：进阶[译]用Webpack构建Vue（上一篇的翻译）准备
安装 npm, vue, webpack, node.js，安装方法见 Ubuntu, Mac 下 Web 开发环境搭建：node.js, golang 与 r]]></description><category></category></item></channel></rss>