神经网络 一些神经元的输出会变成另外一些神经元的输入，一般以层来组织，最常见的是全连接神经网络，其中两个相邻层中每一个层的所有神经元与另一个层的所有神经元相连，每个层内部的神经元不相连。 一般的，N层神经网络并不会把输入层算进去，因此一个一层的神经网络是指没有隐藏层，只有输入层和输出层的神经网络。L ...
分类：
其他好文 时间：
2019-10-22 18:11:54
阅读次数：
93
特征工程预处理0.异常检测为什么不全部使用普通有监督的方法来学习呢（即把它看做是一个普通的二分类问题）？主要是因为在异常检测中，异常的样本数量非常少而正常样本数量非常多，因此不足以学习到好的异常行为模型的参数，因为后面新来的异常样本可能完全是与训练样本中的模式不同。可采用对每列特征分别用高斯分布去拟... ...
分类：
其他好文 时间：
2019-10-09 17:32:40
阅读次数：
82
特征提取（特征变换） 从一组已有的特征通过一定的数学运算得到一组新特征 数据降维： PCA：方差 LDA： 均值 两者都假设数据分布是高斯分布 Ref. 《模式识别(第三版)》张学工 ...
分类：
其他好文 时间：
2019-10-07 19:44:22
阅读次数：
75
以下是官方说明文档链接 "numpy.random.multivariate_normal" + 1.函数定义 numpy.random.multivariate_normal(mean, cov[, size, check_valid, tol]) + 2.参数解释 Parameters: mea ...
分类：
其他好文 时间：
2019-09-24 17:44:08
阅读次数：
184
分类损失函数 一、LogLoss对数损失函数（逻辑回归，交叉熵损失） 有些人可能觉得逻辑回归的损失函数就是平方损失，其实并不是。平方损失函数可以通过线性回归在假设样本是高斯分布的条件下推导得到，而逻辑回归得到的并不是平方损失。在逻辑回归的推导中，它假设样本服从伯努利分布（0-1分布），然后求得满足该 ...
分类：
其他好文 时间：
2019-09-14 18:42:40
阅读次数：
374
四则运算 加减乘除 *、-、*、/ 指数运算^ 判断是否相等 这里的%表示注释 逻辑运算 更换Octave提示符 将提示符更换为>> Octave变量 向量和矩阵 v = 1:0.1:2 表示1开始 2结束 0.1步长 创建一个矩阵，并全置一个值 创建一个矩阵，并全置0 获得随机值矩阵 符合高斯分布 ...
分类：
其他好文 时间：
2019-09-12 13:22:57
阅读次数：
164
有关随机数的函数可以在NumPy的random模块中找到 随机数发生器的核心算法是基于马特赛特旋转演算法 二项分布是n个独立重复的是/非试验中成功次数的离散概率分布. 抛硬币 Key_Function np.random.binomial函数, 参数为区间, 概率, 次数, 用于模拟二项分布 Cod ...
分类：
编程语言 时间：
2019-08-27 01:07:05
阅读次数：
181
让我们回到小球检测的栗子，在一元高斯分布下，我们只使用了色相值这一个性质。然而，颜色其实是用多个维度来定义的。比如，在HSV模型下，除了色相值还有饱和度（Saturation）和亮度（Value）。而我们通常使用的三原色光模式（RGB模型）将颜色表示成红色（R）、绿色（G）和蓝色（B）的叠加。如果我 ...
分类：
其他好文 时间：
2019-08-23 22:05:19
阅读次数：
90
在这一节我们将介绍如何使用一元高斯分布对机器人误差进行建模。 在进入正题之前，我们需要首先了解为什么学习高斯分布？什么使得高斯分布有效并且重要？为什么使用高斯分布对噪声和不确定性进行建模（而不是其他概率分布模型，比如均匀分布）？ 高斯分布使得只需要两个参数就能确定一个连续的概率分布。这两个参数分别是 ...
分类：
其他好文 时间：
2019-08-23 21:59:36
阅读次数：
191
Timing sign-off Corner = library PVT +RC Corner + OCV 针对每个工艺结点，foundry都会给出一张类似的timing sign-off表格，定义了所有需要做timing sign-off的corner（实际需要sign-off的corner还需要 ...
分类：
其他好文 时间：
2019-08-22 01:02:55
阅读次数：
212
