在日常开发中我们经常使用maven，但仓库中有时并未包含我们使用的jar文件，比如oracle的jdbc驱动，这时就需要我们手工安装才能正常进行开发，在此记录下这个简单过程：
1、首先要有一个oracle的jdbc驱动jar包
2、使用maven命令行安装该jar包，命令如下：
3、在pom文件中引入该依赖...
分类：
编程语言 时间：
2015-03-12 22:33:59
阅读次数：
309
Torch7 教程 Supervised Learning CNN 分类： 机器学习 2014-08-08 15:59 1426人阅读 评论(0) 收藏 举报 cnnbpdee...
分类：
其他好文 时间：
2015-03-12 22:18:28
阅读次数：
218
1. Storm集群组件Storm集群中包含两类节点：主控节点（Master Node）和工作节点（Work Node）。其分别对应的角色如下：主控节点（Master Node）上运行一个被称为Nimbus的后台程序，它负责在Storm集群内分发代码，分配任务给工作机器，并且负责监控集群运行状态和监...
分类：
其他好文 时间：
2015-03-12 19:06:50
阅读次数：
171
Storm流计算从入门到精通之技术篇(高并发策略、批处理事务、Trident精解、运维监控、企业场景)课程讲师：Cloudy课程分类：大数据适合人群：初级课时数量：28课时用到技术：Storm集群、Zookeeper集群等涉及项目：网站PV、UV案例实战、其他案例咨询qq：1840215592课程亮...
分类：
其他好文 时间：
2015-03-12 18:38:12
阅读次数：
311
最近阅读了《Neural networks and deep learning》这本书（online book，还没出版），算是读得比较仔细，前面几章涉及的内容比较简单，我着重看了第三章《Improving the way neural networks learn》，涉及深度神经网络优化和训练的各种技术，对第三章做了详细的笔记（同时参考了其他资料，以后读到其他相关的论文资料也会补充或更改），欢迎有...
分类：
Web程序 时间：
2015-03-12 13:21:17
阅读次数：
189
原作者：zouxy09原文链接：http://blog.csdn.net/zouxy09/article/details/9993371Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09自己平时看...
分类：
其他好文 时间：
2015-03-10 21:19:19
阅读次数：
239
under review as a conference paper at ICLR 2015.Motivation：本文提出来一种regularization的方法，叫做FaMe (Factored Mean training). The proposed FaMe model aims to a...
分类：
Web程序 时间：
2015-03-10 18:58:58
阅读次数：
186
此篇文接上篇
为了更好的理解Q-Learning算法是如何工作的，我们一步步手动计算一些过程。
我们把γ的值设为0.8,初始状态在房间1中。
把Q矩阵初始化为0
让我们看一下R矩阵的第二行（状态1），对当前状态1有两种可能的动作：到达状态3或者到达状态5.我们随机选择到达状态5作为采取的动作。
现在让我们想象一下Agent在状态5会发生什么。观察R矩阵的第六行（状态5），...
分类：
其他好文 时间：
2015-03-10 17:22:26
阅读次数：
140
这是2014年nips workshop的一篇paper。这个paper号称他们提出了invariant dropout，可以对inputs和activation units的additive shift transform（我理解的其实就是加additive noise）具有不变性。通常如果在每一...
分类：
其他好文 时间：
2015-03-10 16:58:38
阅读次数：
162
阅读的文献中涉及到了Q-learning，是与机器学习有关的，虽然与自己方向并不相关。但作为一种思想值得学习。故翻译如下，不当之处，恳请批评指正！
原文地址：http://mnemstudio.org/path-finding-q-learning-tutorial.htm
这篇教程通过一个简单而且好理解的数字例子来介绍Q-Learning的概念。这个例子描述了一个Agent是如何通过无监...
分类：
其他好文 时间：
2015-03-10 15:32:56
阅读次数：
23785
