原创 似然函數相關概念

轉自:http://www.cnblogs.com/kevinGaoblog/archive/2012/03/29/2424346.html 似然函數的概念 (源自:維基百科) 在數理統計學中,似然函數是一種關於統計模型中的參數的

原创 數組的循環移動

數組的循環移動是考查的算法中比較常見的,有循環左移,循環右移之類的。當然,不會直接就考查移動的算法,還會有一定的時間複雜度,空間複雜度的要求之類的,這纔是算法要求的,所以這兩天剛好看到類似的題目,就記錄一下。 題目要求 如有數組

原创 tinySLAM代碼邏輯結構

tinySLAM的代碼邏輯結構 前言&&吐槽:在這裏先提前聲明,我是在我自己理解的基礎上寫下這些東西的,如果我的理解有誤,還是希望大神們能幫忙我解答一下,至少不要讓我處於不明不白中。 上面說的是自己理解有誤,對於tinySLAM

原创 EM算法和高斯混合模型的學習

前言:想學習一些統計學的知識,所以想把自己學習的過程記錄下來,希望自己能夠堅持下來。也非常希望能夠在CSDN找到小夥伴一起學習,監督,共同成長。 EM算法和高斯混合模型學習 一、EM算法的引入 EM(expectation m

原创 tinySLAM閱讀筆記

tinySLAM閱讀筆記 初衷:tinySLAM是openSLAM中實現最爲簡單的一個SLAM方法,相比於ORB-SLAM之類的,這個代碼的核心實現沒有超過兩百行,所以還是相對簡單一些,對於我這樣一個新手,拿來入門,深刻理解SL

原创 關於domain adaptation

轉自:http://blog.csdn.net/a1154761720/article/details/51020105 這篇文章是結合對抗網絡框架與深度學習技術解決domain adaptation應用的一個工作。具體而言,在這個框架

原创 刪除線性表中的重複元素

小記:煩躁ing,看不進去其它東西,就來刷刷leetcode的題目,今天刷到一道比較基礎的刪除已排序數組的題目,感覺很典型,就記錄了一下。 一、leetcode原題:刪除已排序數組重複元素 先給出leetcode原題: Given

原创 Andrew Ng coursera上的《機器學習》ex8

Andrew Ng coursera上的《機器學習》ex8 按照課程所給的ex8的文檔要求,ex8要求完成以下幾個計算過程的代碼編寫: 一、estimateGuasssian.m 要求求出符合高斯函數的均值和方差。 funct

原创 saliency detection論文(一)—Saliency Detection: A Spectral Residual Approach

目錄 本文是對Xiaodi Hou和Liqing Zhang寫的《Saliency Detection: A Spectral Residual》的翻譯與總結: 目錄 Abstract 殘差譜模型 1 log頻譜表

原创 Andrew Ng coursera上的《機器學習》ex6

Andrew Ng coursera上的《機器學習》ex6 按照課程所給的ex6的文檔要求,ex6要求完成以下幾個計算過程的代碼編寫: 一、gaussianKernel.m 要求是求兩個變量之間的相似性。 function

原创 Andrew Ng coursera上的《機器學習》ex4

Andrew Ng coursera上的《機器學習》ex4 按照課程所給的ex4的文檔要求,ex4要求完成以下幾個計算過程的代碼編寫: exerciseName description sigmoidGradient.

原创 EM算法的python實現

前言:前一篇文章大概說了EM算法的整個理解以及一些相關的公式神馬的,那些數學公式啥的看完真的是忘完了,那就來用代碼記憶記憶吧!接下來將會對python版本的EM算法進行一些分析。這個代碼在這個大神的博客 裏面有寫得很清楚啦!不過我

原创 Andrew Ng coursera上的《機器學習》ex7

Andrew Ng coursera上的《機器學習》ex7 按照課程所給的ex7的文檔要求,ex7要求完成以下幾個計算過程的代碼編寫: 一、findClosestCentroids.m 要求是爲每個數據點找到距離它最近的中心

原创 機器學習中的covariate shift現象的解釋

轉自:http://blog.csdn.net/mao_xiao_feng/article/details/54317852 [-] 一什麼是covariate shift二怎麼解決covariate shift 一、什麼是c

原创 深度增強學習前沿算法思想

本文轉自:https://www.kuaiyudian.com/news/1486.html 摘要: 深度增強學習經過近兩年的發展,在算法層面上取得了越來越好的效果。從DQN,A3C到UNREAL,精妙的算法設計無不閃耀着人類智慧的光