摘要：
绝地求生：写给博士生的17条建议 （公开测试版） 原著：Julio Peironcely 翻译：P. S. Zhao 博客：https://www.cnblogs.com/hdu-zsk/ 这个小册子是我翻译自胡里奥·佩伦斯雷（Julio Peironcely） 发布在NextScientist.c 阅读全文
摘要：
诸位看官，这是我第一次在整篇文章的所有图片里面加水印。小弟写博客的时间不长，就有两篇博客被盗用并未注明原文网址。这一方面使我痛心不已，另一方面迫使我不得不重新考虑一下版权保护问题。小弟不是吝啬鬼，如果影响阅读或者是确实需要我的图片的，请私信我，我将免费为有需求的看官提供图片。谢谢了！ 最小树形图（A 阅读全文
摘要：
格兰杰因果关系作为一种可以衡量时间序列之间相互影响关系的方法，最近十几年备受青睐。无论是经济学[1]，气象科学[2]，神经科学[3]都有广泛的应用，尽管后两者（气象和神经科学）连格兰杰自己都反对（格兰杰反对将格兰杰因果关系用在除经济学以外的其他领域，这就是本文题目所谓的“野火”）[4]。鉴于笔者从未在气象学有过半分建树，所以不敢妄谈。不过庆幸的是，经过神经科学家数十载的辛苦“洗地”，他们纷纷找到了自己‘合法’使用格兰杰因果关系的理由[5]（Anil Seth是英国皇家科学院院士，笔者首推的‘地表最强洗地王’，也即本文题目所谓的“春风”）。除了由克里夫·格兰杰本人提出的格兰杰因果关系之外，还有数种围绕格兰杰因果关系方法产生的变体，本文也将对这些变体分门别类，做出一些简介。当然，也正是因为胡先生认为应当遵从格兰杰爵士的论文，所以才创立了‘新因果关系’专门解决神经科学中的因果关系使用问题，不过这是后话了。 阅读全文
摘要：
无论你从事何种领域的科学研究还是统计调查，显著性检验作为判断两个乃至多个数据集之间是否存在差异的方法被广泛应用于各个科研领域。笔者作为科研界一名新人也曾经在显著性检验方面吃过许多苦头。后来醉心于统计理论半载有余才摸到显著性检验的皮毛，也为显著性检验理论之精妙，品种之繁多，逻辑之严谨所折服。在此，特写 阅读全文
摘要：
第一部分 字典学习以及稀疏表示的概要 字典学习（Dictionary Learning）和稀疏表示（Sparse Representation）在学术界的正式称谓应该是稀疏字典学习（Sparse Dictionary Learning）。该算法理论包含两个阶段：字典构建阶段（Dictionary G 阅读全文
摘要：
python有多混乱我就不多说了。这个混论不仅是指整个python市场混乱，更混乱的还有python的各种附加依赖包。为了一劳永逸解决python的各种依赖包对深度学习造成的影响，本文中采用python的发行版Anaconda。 Step1 安装Anaconda 这里不建议使用python3.4以后 阅读全文
摘要：
这两天为了搭载深度学习的Python架构花了不少功夫，但是Theano对Python以及nunpy的版本都有限制，所以只能选用版本较新的python和nunpy以确保不过时。但是最新版Python和最新版numpy有点不完善，很多安装步骤都要在命令行里完成，所以花了我很多时间，为了祭奠我安装nump 阅读全文
摘要：
DeepLab是一款基于Matlab面向对象编程的深度学习工具箱，所以了解Matlab面向对象编程的特点是必要的。笔者在做Matlab面向对象编程的时候发现无论是互联网上还是书店里卖的各式Matlab编程书上都对Matlab面向对象所提甚少甚至没提。因此在DeepLab的使用说明书中专门添加Matl 阅读全文
摘要：
机器学习从学习方式上来讲，可以分为两类： 监督学习（Supervised Learning），简而言之就是“有标签”学习 无监督学习（Unsupervised Learning），简而言之就是“无标签”学习为了便于今后的机器学习，吴恩达先生（Andrew Ng）特别提出了一些notation（汉... 阅读全文
摘要：
在我们正式开始讲解Hilbert-Huang Transform之前，不妨先来了解一下这一伟大算法的两位发明人和这一算法的应用领域 Section I 人物简介 希尔伯特：公认的数学界“无冕之王”，1943年去世于瑞士苏黎世。除此之外，自不必过多介绍。 黄锷：1937年出生于湖北省；1975年进入N 阅读全文