摘要：
假设我们有一个固定样本集，它包含 个样例。我们可以用批量梯度下降法来求解神经网络。具体来讲，对于单个样例（x,y），其代价函数为：这是一个（二分之一的）方差代价函数。给定一个包含 个样例的数据集，我们可以定义整体代价函数为：以上公式中的第一项 是一个均方差项。第二项是一个规则化项（也叫权重衰减项... 阅读全文
摘要：
概述以监督学习为例，假设我们有训练样本集(x(i),y(i)),那么神经网络算法能够提供一种复杂且非线性的的假设模型hw,b(x),它具有参数W，b，可以以此参数来拟合我们的数据。为了描述神经网络，我们先从最简单的神经网络讲起，这个神经网络仅由一个“神经元”构成，以下即是这个神经元的图示：这个“神经... 阅读全文
摘要：
9.3、Restricted Boltzmann Machine (RBM)受限玻尔兹曼基假设有一个二部图，每一层的节点之间没有链接，一层是可视层，即输入数据层（v)，一层是隐藏层(h)，如果假设所有的节点都是随机二值变量节点（只能取0或者1值），同时假设全概率分布p(v,h)满足Boltzmann... 阅读全文
摘要：
九、Deep learning的常用模型或者方法9.1、AutoEncoder自动编码器Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，的都每一层中的权重。自... 阅读全文
摘要：
K-means聚类算法K-means聚类算法也是聚类算法中最简单的一种了，但是里面包含的思想却不一般。聚类属于无监督学习。在聚类问题中，给我们的训练样本是，每个，没有了y。K-means算法是将样本聚类成k个簇（cluster），具体算法描述如下：1、 随机选取k个聚类质心点（cluster cen... 阅读全文
摘要：
深度学习（deep learning）思想就是堆叠多个层，也就是说这一层的输入作为下一层的输出。通过这种方式，就可以实现对输入信息进行分级表达了。浅层学习和深度学习（shallow learning and deep learning）浅层学习时机器学习的第一次浪潮：BP算法（Back Propag... 阅读全文
摘要：
梯度下降法时基于这样的观察：如果是函数F（x）在点a处可微且有定义，那么函数F（x）在a点沿着梯度相反的方向-▽F（a）下降最快。因而，如果b=a-γ▽F（a）对于γ>0为一个够小数值时成立，那么F（a）≥F（b）。考虑到这一点，我们可以从函数F的局部极小值的初始估计x0出发，并考虑如下序列x0,x... 阅读全文
摘要：
FLT_MIN,FLT_MAX,FLT_EPSILON* min positive value */最小的正值#define FLT_MIN 1.175494351e-38F /* max value */最大的值#define FLT_MAX 3.402823466e+38F /* smalles... 阅读全文
摘要：
关联容器和顺序容器的差别在于：关联容器通过键（key）存储和读取元素，而顺序容器则通过元素在容器中的位置顺序存储和访问元素。1、关联容器支持通过键来高效地查找和读取元素。两个基本的关联容器类型是map和set。map中的元素以键—值对的形式组织：键用作元素在map中的索引，而值则表示所存储和读取的数... 阅读全文
摘要：
到现在的程度，知道了JSON输入文件是怎么导入到sim中的了，也知道.mot文件中的motions是怎么定义的了，现在还想知道的是motions和obstacles网格是怎么在世界坐标系中交互的，以此来改变obstacles文件。两条主线：一是simulation.cpp文件，知道过程是怎么操作的；二是看那个separate_obstacles(sim.obstacle_meshes, sim.cloth_meshes)；。现在从第一条线开始看。一个问题：服装和人体，刚开始怎么保证服装没有穿透人体，如果服装比人体大的话没问题，但是如果服装比给定的人体小的话，直接就是现实穿不上去就可以，但是这个 阅读全文