dos命令大全： net use ipipc$ " " /user:" " 建立IPC空链接 net use ipipc$ "密码" /user:"用户名" 建立IPC非空链接 net use h: ipc$ "密码" /user:"用户名" 直接登陆后映射对方C：到本地为H: net use h: ...
分类：
其他好文 时间：
2020-01-29 23:12:32
阅读次数：
91
作为损失函数 L1范数损失函数 L1范数损失函数，也被称之为最小绝对值误差。总的来说，它把目标值$Y_i$与估计值$f(x_i)$的绝对差值的总和最小化。 $$S=\sum_{i=1}^n|Y_i-f(x_i)|$$ L2范数损失函数 L2范数损失函数，也被称为最小平方误差，总的来说，它把目标值$Y ...
分类：
其他好文 时间：
2020-01-29 16:15:42
阅读次数：
126
MFC窗口实现最小化到托盘 右键菜单和还原 //.h文件 void toTray();//最小化到托盘 void DeleteTray();//删除托盘图标 afx_msg LRESULT OnShowTask(WPARAM wParam,LPARAM lParam) ;//图标恢复 //.cpp文 ...
分类：
编程语言 时间：
2020-01-28 09:38:51
阅读次数：
112
"Link" 首先进行一个转换，我们构造$q$使得$q_{p_i}=i$，那么最小化$p$的字典序实质上就是最小化$q$的字典序。 然后题目给的限制就变成了只能交换$q_i,q_{i+1}(|q_i q_{i+1}|\le k)$,等价于满足$|q_i q_j|\le k(ii$的$q_j\in[q ...
分类：
其他好文 时间：
2020-01-25 23:23:40
阅读次数：
81
基本概念 对数几率回归（Logistic Regression，又称逻辑回归）可以用来解决二分类和多分类问题。分类问题中，输出集合不再是连续值，而是离散值，即$\mathcal{Y}\in \{0,1,2,\cdots\}$。以二分类问题为例，其输出集合一般为$\mathcal{Y}\in \{0, ...
分类：
其他好文 时间：
2020-01-23 21:23:06
阅读次数：
103
1. 梯度：对于一元函数，梯度是导数/斜率；对于多元函数，梯度是由偏导数组成的向量 梯度的方向：是函数在给定点上升最快的方向 梯度的反方向：是函数在给定点下降最快的方向 多元函数的梯度：（偏导） 2. 梯度下降：函数在某一点处沿着梯度的反方向逐步迭代，求出函数的局部最小值的过程。我们的最终目的是找到 ...
分类：
其他好文 时间：
2020-01-23 16:57:12
阅读次数：
118
K-Means算法是典型基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的类数K，采用作为相似性的评价指标，即认为2个对象的距离越近，其相似度越大。 1.算法过程 1）从N个样本数据中随机选取K个对象作为初始的聚类中心 2）分别计算每个样本到各聚类中心的距离，将对象分配到距离最近的 ...
分类：
编程语言 时间：
2020-01-23 11:04:46
阅读次数：
105
前面在mnist中使用了三个非线性层来增加模型复杂度，并通过最小化损失函数来更新参数，下面实用最底层的方式即张量进行前向传播（暂不采用层的概念）。 主要注意点如下： · 进行梯度运算时，tensorflow只对tf.Variable类型的变量进行记录，而不对tf.Tensor或者其他类型的变量记录 ...
分类：
其他好文 时间：
2020-01-22 20:05:16
阅读次数：
121
如果用户模式应用程序已经在运行，调试器可以非侵入性地对其进行调试。对于非侵入性调试，您没有那么多的调试操作。但是，您可以最小化调试器对目标应用程序的干扰。如果目标应用程序已停止响应，则非侵入性调试非常有用。在非侵入性调试中，调试器实际上并不附加到目标应用程序。调试器挂起目标的所有线程，并可以访问目标 ...
分类：
数据库 时间：
2020-01-21 00:39:01
阅读次数：
121
梯度下降：应用最广泛的求极小值算法。 假设一线性回归模型，它的代价函数为 J(θ0,θ1) 。我们的目标是最小化这个代价函数，而要得到最小的代价函数值关键就在于正确选取 θ0和θ1的值，于是我们引出梯度下降算法。 步骤：1. 初始化θ0和θ1的值，通常取0。 2. 不断改变θ0和θ1的值，试图通过这 ...
分类：
其他好文 时间：
2020-01-20 21:02:16
阅读次数：
64
