摘要：
一.与CUDA相关的几个概念：thread，block，grid，warp，sp，sm。 sp: 最基本的处理单元，streaming processor 最后具体的指令和任务都是在sp上处理的。GPU进行并行计算，也就是很多个sp同时做处理 sm:多个sp加上其他的一些资源组成一个sm, stre 阅读全文
posted @ 2018-12-01 15:40 Charlie_ODD 阅读(3523) 评论(0) 推荐(0) 编辑
摘要：
1） 极/最大似然估计 MLE 给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参，即“模型已定，参数未知”。例如，我们知道这个分布是正态分布，但是不知道均值和方差；或者是二项分布，但是不知道均值。 最大似然估计（MLE，Maximum Likelihood 阅读全文
posted @ 2018-11-29 19:39 Charlie_ODD 阅读(1740) 评论(0) 推荐(0) 编辑
摘要：
时间复杂度 时间复杂度并不是表示一个程序解决问题需要花多少时间，而是当问题规模扩大后，程序需要的时间长度增长得有多快。也就是说，对于高速处理数据的计算机来说，处理某一个特定数据的效率不能衡量一个程序的好坏，而应该看当这个数据的规模变大到数百倍后，程序运行时间是否还是一样，或者也跟着慢了数百倍，或者变 阅读全文
posted @ 2018-11-28 14:02 Charlie_ODD 阅读(628) 评论(0) 推荐(0) 编辑
摘要：
PCA与Kernel PCA介绍与对比 1. 理论介绍 PCA：是常用的提取数据的手段，其功能为提取主成分（主要信息），摒弃冗余信息（次要信息），从而得到压缩后的数据，实现维度的下降。其设想通过投影矩阵将高维信息转换到另一个坐标系下，并通过平移将数据均值变为零。PCA认为，在变换过后的数据中，在某一 阅读全文
posted @ 2018-11-25 14:28 Charlie_ODD 阅读(979) 评论(0) 推荐(0) 编辑
摘要：
基本思想 其基本思想就是设法提取数据的主成分（或者说是主要信息），然后摒弃冗余信息（或次要信息），从而达到压缩的目的。本文将从更深的层次上讨论PCA的原理，以及Kernel化的PCA。 引子 首先我们来考察一下，这里的信息冗余是如何体现的。如下图所示，我们有一组二维数据点，从图上不难发现这组数据的两 阅读全文
posted @ 2018-11-25 13:47 Charlie_ODD 阅读(1664) 评论(0) 推荐(0) 编辑
摘要：
一.递归与分治 一.递归与分治 （1）递归：直接或间接地调用自身的算法称为递归算法。 递归是算法设计与分析中经常使用的一种技术，描写叙述简单且易于理解。 （2）分治：分治的设计思想是将一个规模为n难以解决的问题分解为k个规模较小的子问题，这些子问题相互独立且与原问题同样。递归地解这些子问题，然后将各 阅读全文
posted @ 2018-11-23 14:05 Charlie_ODD 阅读(859) 评论(0) 推荐(0) 编辑
摘要：
一.简介 支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括： （1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；（2）当训练样 阅读全文
posted @ 2018-11-13 16:07 Charlie_ODD 阅读(879) 评论(0) 推荐(0) 编辑