原创 UFLDL閱讀筆記1—Multi-Layer Neural Network
背景 問題 有一組數據形式爲(x(i),y(i)) ,其中x 是輸入的向量,神經網絡可以去非線性地擬合這組數據,其形式爲hW,b(x) ,其中的參數有W,b 單個神經元 示意圖 實質 先把輸入向量x 的各個分量進行線性組合加一個偏
原创 VS2015編譯IfcOpenShell
簡介 ifcopenshell是一個解析ifc結構和幾何表達的開源庫,我還在寫如何編譯它那麼顯然我自己還沒有用過… 之前已經編譯過幾次和ifc相關的庫,所以這次已經沒那麼虛了。好在這個開源庫十分活躍,看來用過的人也不少,所以編譯和安裝的
原创 JavaScript的callback
翻譯:http://javascriptissexy.com/understand-javascript-callback-functions-and-use-them/ 還沒有翻譯完 函數也是一種對象 在JS中,函數就是一種對象。它有
原创 關於Mongoose的小知識
創建collection 比如,我需要建立一個collection來存儲有關各種建築領域有關的信息。name代表名稱,code代表編碼,scope代表領域 var mongoose = require('mongoose'); var
原创 IFC相關論文
最近要開題啦,要好好讀論文,順便理一理IFC的相關知識,這方面的中文資料真的相當少,所以在這裏做一做記錄不僅是自己學習,也是和大家分享。 幾何相關 題目-Specification and implementation of direct
原创 RNN教程, Part 1—Introduction to RNNs
這是一個節選翻譯 原文地址:http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/ 什麼是RNN
原创 leetcode中的DP題目總結
[leetcode 413]Arithmetic Slices dp解釋 dp[i] 代表以 i 結尾的arithmetic slice的個數。因此有下列關係 dp[i]=dp[i−1]+1,ifA[i]−A[i−1]=A[i−1]
原创 語義網簡介(一)
概述 本文是《語義網基礎教程》的讀書筆記。我剛開始接觸語義網,感覺這個方向研究現在比較冷門,資料不是很多。所以一邊學習一邊分享吧! 從萬維網到語義網 我們現在熟知的萬維網,是以HTML頁面爲基本單位的,頁面的組織形式是爲了我們人類快速理解
原创 語義網簡介(二)—XML與XML Schema
XML第一印象 XML是extensible markup language的縮寫,是一種使用配對的可嵌套的標籤的標記語言。人們用XML將文檔結構化,從而可以讓機器解讀。作爲不同應用之間統一的數據交換格式,XML廣泛的應用在數據傳輸上。
原创 win10系統VS2015編譯ifcplusplus
簡介 ifcplusplus是一個C++的class model,可以用來讀寫STEP格式的IFC文件。在ifcpp和OpenSceneGraph的基礎上,simpleviewerexample項目用來展示IFC模型。因此,我們需要安裝的
原创 Node.js+MongoDB+Nginx在騰訊雲的CentOS的部署
準備 一共需要安裝和配置以下: - Nginx - node - mongoDB 第一步:安裝node 安裝 安裝node有很多種方法,我用源碼編譯的,奇慢無比,以後不用了! 下面是粘貼官網的教程 curl --silent -
原创 c#中的data binding
Data Binding Overview WPF用data binding來創建UI和數據的關聯。其中數據的來源可以是common language runtime objects或者是XML. wpf中的data binding相對於
原创 nginx新手指南
記錄nginx在centos上的安裝,打開過程。其實也就是翻譯兩篇nginx上的文檔的部分。 Install:https://www.nginx.com/resources/wiki/start/topics/tutorials/ins
原创 freeCodeCamp-jQuery
document ready 在HTML最上方加入script元素,其中再加上document ready函數。這個函數的作用是:script裏的函數會在瀏覽器加載了這張網頁之後執行,而不是還沒加載網頁就執行。 <script>
原创 leetcode中的二分法總結
[leetcode 69] Sqrt(x) 題目 計算sqrt(x)的開方,結果爲向下取整。 思路 思路1:用牛頓迭代法 牛頓迭代法是用來解f(x)=0 的方程的解。牛頓的迭代法的原理圖如下,摘自wiki百科: 可以看出,這條切線