摘要：
from 猴子 manifold learning 流形学习 流形学习是个很广泛的概念。这里我主要谈的是自从2000年以后形成的流形学习概念和其主要代表方法。自从2000年以后，流形学习被认为属于非线性降维的一个分支。众所周知，引导这一领域迅速发展的是2000年Science杂志上的两篇文章: Is 阅读全文
摘要：
最近看见了一些很有趣的东西 先把链接放在这里，以后再看 venture：http://probcomp.csail.mit.edu/venture/ 一本书：http://dippl.org/?utm_source=top.caibaojian.com/52044 http://www.tuicoo 阅读全文
摘要：
人类的视觉能力基本上是出生后逐渐习得的，婴儿不是眼睛发育不足，而是头脑暂时还不会很好运用眼睛去观察世界，就好比蹩脚的摄影师，拿着顶级单反也拍不出好片。 婴儿开始看世界的过程，就是对视觉处理神经元网络进行训练的过程。初生婴儿需要学习的第一课是分辨物体轮廓，最初他们看到的世界只是各种颜色和明暗的块块，经 阅读全文
摘要：
http://www.cnblogs.com/mrxsc/p/5571358.html 视觉信息的处理是一个非常复杂的过程，这不由得让我想到了同样位于人们大脑中的新大脑皮层，作为人类智能的起始之地，它的运作也不简单，但是在婴儿时期，它的各部分单元并没有什么不同，不同的功能是在婴儿接受了外界的各种刺激 阅读全文
摘要：
一个月的时间写了一个Naive的编译器， 采用的是ANTLR + VISIT模式写的前端+后端。 这种模式的优点是简单易懂，写起来不会卡壳，并且非常直观易于调试 但是缺点是代码的拓展性非常不友好，想要在中途某个点加入优化会非常困难（只要架构不好就会牵扯到全局），只能一条路顺着做 接着会更新简单易懂的 阅读全文
摘要：
寄存器: 寄存器号 符号名 用途 0 始终为0 看起来象浪费,其实很有用 1 at 保留给汇编器使用 2-3 v0,v1 函数返回值 4-7 a0-a3 前头几个函数参数 8-15 t0-t7 临时寄存器,子过程可以不保存就使用 24-25 t8,t9 同上 16-23 s0-s7 寄存器变量,子过 阅读全文
摘要：
前言： 这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。按照前面的博文：D 阅读全文
摘要：
前面的文章已经介绍过了2种经典的机器学习算法：线性回归和logistic回归，并且在后面的练习中也能够感觉到这2种方法在一些问题的求解中能够取得很好的效果。现在开始来看看另一种机器学习算法——神经网络。线性回归或者logistic回归问题理论上不是可以解决所有的回归和分类问题么，那么为什么还有其它各 阅读全文
摘要：
前言： 在上一讲Deep learning：五(regularized线性回归练习)中已经介绍了regularization项在线性回归问题中的应用，这节主要是练习regularization项在logistic回归中的应用，并使用牛顿法来求解模型的参数。参考的网页资料为：http://opencl 阅读全文
摘要：
前言： 本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单，越简单的模型则越 阅读全文