这篇博文主要讲解下梯度与方向导数的关系、等值线图中梯度的表示，以及梯度的应用。因涉及太多高数的知识点，在此就不一一详述了，只是简单梳理下知识点，有所纰漏还望纠正指出，文末附有参考文献，借图。 一、方向导数与梯度 1、方向导数 导数引言 我们知道在二维平面上，F(x,y)=0 有斜率的概念，从名字上看 ...
分类：
编程语言 时间：
2017-09-02 20:47:52
阅读次数：
294
原文链接 神经网络基础 1）神经元（Neuron）——就像形成我们大脑基本元素的神经元一样，神经元形成神经网络的基本结构。想象一下，当我们得到新信息时我们该怎么做。当我们获取信息时，我们一般会处理它，然后生成一个输出。类似地，在神经网络的情况下，神经元接收输入，处理它并产生输出，而这个输出被发送到其 ...
分类：
其他好文 时间：
2017-08-26 17:01:47
阅读次数：
192
用数据泵impdp往开发数据库导数据，但导入到INDEX时感觉卡住不动了ProcessingobjecttypeSCHEMA_EXPORT/TABLE/INDEX/INDEX
----查看状态，CompletedObjects:33一直没有变化。
Import>status
Job:SYS_IMPORT_FULL_01
Operation:IMPORT
Mode:FULL
State:EXECUTING
BytesProcess..
分类：
数据库 时间：
2017-08-25 17:43:26
阅读次数：
364
详解多元线性回归，并分别用标准方程法以及梯度下降法，通过Python编程求解 ...
分类：
其他好文 时间：
2017-08-24 19:41:03
阅读次数：
241
1、最大似然 多数情况下我们是根据已知条件来推算结果，而最大似然估计是已经知道了结果，然后寻求使该结果出现的可能性最大的条件，以此作为估计值 求最大似然函数估计值的步骤： 2、机器学习算法的学习过程 这个优化函数存在解析解。例如我们求最值一般是对代价函数求导，导数为0的点一般就是最值，如果代价函数能 ...
分类：
其他好文 时间：
2017-08-23 20:44:28
阅读次数：
138
http://www.cnblogs.com/Belter/p/6653773.html 注：代价函数（有的地方也叫损失函数，Loss Function）在机器学习中的每一种算法中都很重要，因为训练模型的过程就是优化代价函数的过程，代价函数对每个参数的偏导数就是梯度下降中提到的梯度，防止过拟合时添加 ...
分类：
其他好文 时间：
2017-08-23 20:43:47
阅读次数：
2033
同济四版关于这个问题的思维跳跃太大，很不厚道！ 同济五版关于这个问题继续跳跃，直接给结论，就是不讲为什么，急死你！ 盼星星盼月亮终于等到了仍然在装的同济六版，但在P104留下了蛛丝马迹： 向左转|向右转 上面这段话中θ=0是关键点。因为θ=0时，方向导数（还是同济六版P104） 向左转|向右转 =| ...
分类：
其他好文 时间：
2017-08-20 11:21:37
阅读次数：
133
拉格朗日乘子法是一种寻找多元函数在一组约束下的极值方法，通过引入拉格朗日乘子，可将有m个变量和n个约束条件的最优化问题转化为具有m+n个变量的无约束优化问题。在介绍拉格朗日乘子法之前，先简要的介绍一些前置知识,然后就拉格朗日乘子法谈一下自己的理解。 一 前置知识 1.梯度 梯度是一个与方向导数有关的 ...
分类：
其他好文 时间：
2017-08-18 21:31:12
阅读次数：
298
边缘是图像中灰度发生急剧变化的区域边界。图像灰度的变化情况能够用图像灰度分布的梯度来表示，数字图像中求导是利用差分近似微分来进行的，实际上经常使用空域微分算子通过卷积来完毕。 一阶导数算子 1) Roberts算子 Roberts算子是一种斜向偏差分的梯度计算方法。梯度的大小代表边缘的强度。梯度的方 ...
分类：
其他好文 时间：
2017-08-17 21:37:50
阅读次数：
233
本文结构： 什么是集成学习？ 为什么集成的效果就会好于单个学习器？ 如何生成个体学习器？ 什么是 Boosting? Adaboost 算法？ 什么是集成学习 集成学习就是将多个弱的学习器结合起来组成一个强的学习器。 这就涉及到，先产生一组‘个体学习器’，再用一个策略将它们结合起来。 个体学习器可以 ...
分类：
编程语言 时间：
2017-08-16 09:53:27
阅读次数：
250
