《流浪地球》

摘要: 今天看完了《流浪地球》小说版,该篇小说主要讲述了天体物理学家发现太阳内部氢转为氦的速度加快,并将引发氦闪,将吞没太阳系所有星球,为了生存,进行的地球移民计划。为了进行移民,建造的地球发动机,以及地球在变道过程中遇到的各种灾害,已经把地球毁的不成样子了,环境非常恶劣,同时移民是否能在氦闪前移民成功?就 阅读全文
posted @ 2019-04-03 18:00 不经意的浪漫 阅读(523) 评论(0) 推荐(0) 编辑

《中庸》之喜欢片段

摘要: 1 子程子曰:“不偏之谓中,不易之谓庸。中者,天下之正道。庸者,天下之定理。此篇乃孔门传授心法,子思恐其久而差也,故笔之于书,以授孟子。其书始言一理,中散为万事,未复合为一理。放之,则弥六合,卷之,则退藏于密。其味无穷,皆实学也。善读者,玩索而有得焉,则终身受用指,有不能尽者矣。” 2 天命之谓性, 阅读全文
posted @ 2019-04-02 11:41 不经意的浪漫 阅读(461) 评论(0) 推荐(0) 编辑

中国八大菜系食谱系列——————川菜

摘要: 川菜简介 川菜烹饪经典一百例,川菜也叫四川菜,以成都菜、重庆菜和自贡菜为主组成。味道有麻辣、怪味、家常、陈皮、椒盐、荔枝、酸辣、蒜泥、麻酱、芥末等三十多种,以麻辣、鱼香、怪味独善其长。烹饪手法多样,常用的有炒、爆、熘、炸、煎、烧、烩、焖、煮、拌、腌、槽等几十种。 在高级宴席中,辣味菜只占一个到两个菜 阅读全文
posted @ 2019-03-29 10:49 不经意的浪漫 阅读(685) 评论(0) 推荐(0) 编辑

深度学习Deep Learning Tutorial(李宏毅)————————自学笔记

摘要: 自己接触的一些东西不够深入,整个体系的结构也不够清晰,所以回头从一些入门经典资料进行重新梳理。以下内容图片均来自Deep learning tutorial(李宏毅),其他内容均为本人自己的理解而做的一些记录,不代表原文观点,不保证准确性。 一、深度学习介绍 1.1 深度学习的介绍 先来看看机器学习 阅读全文
posted @ 2017-10-20 17:43 不经意的浪漫 阅读(5140) 评论(0) 推荐(1) 编辑

关于转置卷积的一些资料收集

摘要: 卷积与转置卷积的运算的示意图https://github.com/vdumoulin/conv_arithmetic#convolution-arithmetic 知乎如何理解转置卷积?https://www.zhihu.com/question/43609045 caffe中图片转换为矩阵图解,以 阅读全文
posted @ 2017-10-12 17:08 不经意的浪漫 阅读(829) 评论(0) 推荐(1) 编辑

2017/7/20 朱兴全教授学术讲座观点与总结第三讲:多层神经网络

摘要: 一、多层神经网络(为什么可以解决多种问题) 多层神经网络:在输入和输出层上有隐含层,可以克服单层神经网络的限制处理非线性分离问题 多层有更大的区分度,多条线去拟合 第三个图中,每一个方块对应第二个图中神经网络,即有两个隐含层。 第三个图中,每一个方块对应第二个图中神经网络,即有两个隐含层。 二、Fe 阅读全文
posted @ 2017-07-22 11:00 不经意的浪漫 阅读(309) 评论(0) 推荐(0) 编辑

2017/7/20 朱兴全教授学术讲座观点与总结第二讲:单个神经元/单层神经网络

摘要: 一、神经网络的结构 习惯的强势:能量最小化 大脑控制区在人对某一个事情形成习惯后,在该事情发生时,作出判断时不再消耗能量。(能量最小化与误差最小化?我想知道这里的能量与一般的能量函数之间有没有什么联系的地方?) 前向网络:网络中只有输入到输出的连接(下面给出单层和多层前向网络) 非隐藏层中可以比较期 阅读全文
posted @ 2017-07-22 09:11 不经意的浪漫 阅读(1426) 评论(0) 推荐(0) 编辑

研一结束篇

摘要: 研一就要过去了,也是第一次觉得自己的适应能力没有想象中的那么好,大概有些东西得到的太顺遂,大概是自己心态摆的不够正,学习是一件很有意思的事情,它可能会枯燥,但是我相信互相作用,你对它的态度会反过来影响它对你的态度,也越发觉得学生再怎么笨,怎么教不会都是老师没有用足够简洁有意思的表达去让人明白,所以别 阅读全文
posted @ 2017-07-21 18:27 不经意的浪漫 阅读(204) 评论(0) 推荐(0) 编辑

2017/7/19 朱兴全教授学术讲座观点与总结第一讲

摘要: 前言 WHY?AI是从策略出发,简单可描述(可以用清晰的规则和算法取实现)的任务,让机器去执行。我们希望复杂难以描述的任务(如无人驾驶,语音识别等情况复杂,需要推理和抽象化的任务)也可以由机器去实现,ML/DL是从数据驱动出发。数据挖掘、模式识别、机器学习和神经网络都是用来解决这些复杂的情况下的任务 阅读全文
posted @ 2017-07-20 22:07 不经意的浪漫 阅读(337) 评论(0) 推荐(0) 编辑

2017/7/18

摘要: 1、玻尔兹曼机 维基百科 https://zh.wikipedia.org/wiki/受限玻尔兹曼机 基本概念 http://blog.csdn.net/xbinworld/article/details/44901865 RBM是用于进行特征变换的,采用联合概率分布来表示这种映射关系(基本的神经网 阅读全文
posted @ 2017-07-19 17:00 不经意的浪漫 阅读(136) 评论(0) 推荐(0) 编辑