原创 Latex縮減論文篇幅的邪門歪道

每個期刊或者會議都有自己的篇幅限制,比如近期準備試水的Signal Processing, Elsevier的期刊,要求單欄,雙倍行距,所有文字,表格,圖,參考文獻加起來不超過30頁,我覺得還好,畢竟我之前排出來是17頁 於是下載

原创 嵌入式Linux開發 Day2

本章的內容爲《嵌入式Linux>【第二期】手把手教你學Linux之ARM(MX6U)裸機篇》中6.5、7.1、7.2、7.3講的內容。 1.5下載程序 續前一天的內容,燒寫Bin文件。 i.Mx6ull支持SD卡、EMMC、NAN

原创 數據結構Day5

今天有幾道leetcode的題目。 1、兩數之和 給定一個整數數組 nums 和一個目標值 target,請你在該數組中找出和爲目標值的那兩個整數,並返回他們的數組下標。你可以假設每種輸入只會對應一個答案。但是,你不能重複利用這

原创 自編碼器的原始形式和各種變體

本文參考維基百科 文章目錄最簡單的原始形式:非循環前饋神經網絡欠完備自編碼器 undercomplete autoencoders過完備自編碼器 overcomplete autoencoders變體正則化自編碼器 Regular

原创 .pyx文件編譯出錯

文章目錄.pyx文件的編譯導入 參考博客(寫的超級好,完美解決了問題) 錯誤 ImportError: Building module dtw failed: ["distutils.errors.CompileError: co

原创 使用遷移學習構建含有信息量的貝葉斯先驗(Andrew Ng)

很多有監督學習的應用都受限於少量數據很難實現泛化。但是貝葉斯設置中,可以依賴編碼了域知識的參數encodes useful domain knowledge去實現這一點(泛化)。 本文聚焦於邏輯迴歸,提出了一個算法,可以爲一個給

原创 C++ 按引用傳遞參數的好處

pass by reference 對於數組和結構這種大的數據,按值傳遞(pass by value)需要創建副本,佔內存費時間,使用引用就只傳地址,和按指針傳遞一樣,但是使用起來又比指針簡單安全,就是在使用原數據。 對於uni

原创 嵌入式Linux開發 Day1

本開發學習筆記以正點原子ALPHA開發板作爲學習開發板,i.MX6ULL爲其CPU。 主要學習步驟跟隨https://beta.yuanzige.com/course/detail/50090中的視頻進行學習,其中前期工作已經學習

原创 數據結構Day6

1、盛水最多的容器 給定 n 個非負整數 a1,a2,…,an,每個數代表座標中的一個點 (i, ai) 。在座標內畫 n 條垂直線,垂直線 i 的兩個端點分別爲 (i, ai) 和 (i, 0)。找出其中的兩條線,使得它們與

原创 ++i比i++快的原因

原文 一直都知道這個事實,C++ primer上看到的,知道是底層代碼實現造成的,但是不清楚代碼長什麼樣,今天偶遇了

原创 逐層貪婪預訓練(解決梯度消失的第一個成功方案,但現在除了NLP領域外很少使用)

起因/背景:梯度消失 vanishing gradient problem DNN的訓練中,由於梯度消失,即輸出層的錯誤在反向傳播的過程中會顯著地越來越小,所以靠近輸入層的層的梯度就接近0, 所以這些層的參數就會得不到更新。而只有

原创 數據結構 Day11

1、字符串壓縮 字符串壓縮。利用字符重複出現的次數,編寫一種方法,實現基本的字符串壓縮功能。比如,字符串aabcccccaaa會變爲a2b1c5a3。若“壓縮”後的字符串沒有變短,則返回原先的字符串。你可以假設字符串中只包含大小

原创 監督學習三要素,涵蓋監督學習的全程前因後果

文章目錄統計學習:==基於數據==構建==概率統計模型==,再用這些模型對新數據進行預測和分析總述統計學習方法的分類監督學習基本概念建模統計學習方法爲什麼很重要統計學習三要素:模型,策略,算法模型的假設空間學習策略(損失函數,風險

原创 Python把二維數組拆分爲三維數組,把三維數組拆爲四維數組

說實話,我也奇怪我怎麼會有這麼奇怪的需求,,, 把二維數組拆分爲三維數組 目標:把一個m∗nm*nm∗n的數組,每x行爲一頁(x可被m整除),拆分爲一個m行n列x頁的三維數組 代碼 import numpy as np a = n

原创 稀疏自編碼器的隱層激活函數不能用relu,要用sigmoid

我看的資料是Andrew課程的配套pdf,大家可以去網上找: 爲什麼不可以用relu 本文不講稀疏自編碼器的理論和原理,網上資料很多,上面的論文也講得很好。直接說問題。 最近用稀疏自編碼器做點事情,需要在傳統普通自編碼器的均