码迷,mamicode.com
首页 >  
搜索关键字:learning storm    ( 6182个结果
流形学习-高维数据的降维与可视化
1.流形学习的概念流形学习方法(Manifold Learning),简称流形学习,自2000年在著名的科学杂志《Science》被首次提出以来,已成为信息科学领域的研究热点。在理论和应用上,流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形,流形学习就是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形,并求出相应的嵌入映射,以实现维数约简或者数据可视化。...
分类:其他好文   时间:2015-05-22 22:39:15    阅读次数:5815
storm的本地模式demo
SimpleTopology.javapackagecom.zgl.helloword; importbacktype.storm.Config; importbacktype.storm.LocalCluster; importbacktype.storm.StormSubmitter; importbacktype.storm.topology.TopologyBuilder; /** *定义了一个简单的topology,包括一个数据喷发节点spout和一个..
分类:其他好文   时间:2015-05-22 19:40:14    阅读次数:130
Storm的并行度详解
Storm的并行度是非常重要的,通过提高并行度可以提高storm程序的计算能力。那strom是如何提高并行度的呢?Strom程序的执行是由多个supervisor共同执行的。supervisor运行的是topology中的spout/bolttasktask是storm中进行计算的最小的运行单位,表示是spout或者bolt的运行实例..
分类:其他好文   时间:2015-05-22 19:35:56    阅读次数:121
Stanford公开课机器学习---1.Intrduction 机器学习介绍
文章是下面这个公开课的个人笔记,推荐的笔记里记的比较全,完全依据视频课程(有少量小错误),我的笔记依据课程按自己的理解记录一些重点,方便快速回顾。另外自己开始学这门课时搜到的好的资料,推荐给大家:|— Coursera上斯坦福大学Andrew Ng教授的“机器学习公开课”|—- 类 别:适合入门 |—- 网页地址: https://www.coursera.org/learn/mach...
分类:其他好文   时间:2015-05-22 17:11:24    阅读次数:245
Storm的并行度详解
Storm的并行度是非常重要的,通过提高并行度可以提高storm程序的计算能力。那strom是如何提高并行度的呢?Strom程序的执行是由多个supervisor共同执行的。supervisor运行的是topology中的spout/bolt tasktask是storm中进行计算的最小的运行单位,...
分类:其他好文   时间:2015-05-22 16:42:33    阅读次数:175
Exercise:Sparse Autoencoder
斯坦福deep learning教程中的自稀疏编码器的练习,主要是参考了 http://www.cnblogs.com/tornadomeet/archive/2013/03/20/2970724.html,没有参考肯定编不出来。。。Σ( ° △ °|||)︴ 也当自己理解了一下这里的自稀疏编码器,...
分类:Web程序   时间:2015-05-22 16:24:14    阅读次数:272
Storm的并行度详解
Storm的并行度详解 Storm的并行度是非常重要的,通过提高并行度可以提高storm程序的计算能力。 那strom是如何提高并行度的呢? Strom程序的执行是由多个supervisor共同执行的。supervisor运行的是topology中的spout/bolt task task  是storm中进行计算的最小的运行单位,表示是spout或者b...
分类:其他好文   时间:2015-05-22 15:15:47    阅读次数:116
Problem N HDU 2612 Find a way (两次BFS求最值)
N -Find a wayTime Limit:1000MSMemory Limit:32768KB64bit IO Format:%I64d & %I64uSubmitStatusPracticeHDU 2612DescriptionPass a year learning in Hangzhou...
分类:其他好文   时间:2015-05-22 01:47:42    阅读次数:166
机器学习 :线性回归
第一讲:线性回归 Supervised Learning 首先给出一些基本定义,x(i)x^{(i)} 表示输入变量或者输入特征,y(i)y^{(i)} 表示输出变量或者目标值。(x(i),y(i)(x^{(i)}, y^{(i}) 称为一对样本,一组样本 {(x(i),y(i));i=1,2,...,m}\{(x^{(i)}, y^{(i)}); i=1,2,...,m\} 称为训练集,其...
分类:其他好文   时间:2015-05-21 22:46:38    阅读次数:235
Machine Learning学习笔记(1)
1、机器学习可以做什么? 搜索引擎、垃圾邮件过滤、人脸识别等等,不仅用于人工智能领域,生物、医疗、机械等很多领域都有应用。2、机器学习的定义 A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its perfor...
分类:系统相关   时间:2015-05-21 22:39:16    阅读次数:1963
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!