感知器通常用下面的图形表示： x1，x2和x3是输入单元。每个输入单元分别代表一个特征。感知器通常用另外一个输入单元代表一个常用误差项，但是这个输入单元在图形中通常被忽略了。中间的圆圈是一个计算单元，类似神经元的细胞核连接输入单元和计算单元的边类似于树突。每条边是一个权重，或者是一个参数。参数容易解 ...
分类：
其他好文 时间：
2017-09-07 13:36:47
阅读次数：
179
如果是在win环境下，有apache就会有ab.exe，要注意，线下压力测试中，测试机与服务器尽量不要部署在同一台机器，避免测试误差较大。 输入命令：并发100 总请求1000 apache/bin >ab -c 100 -n 5000 http://localhost:88/fpatent/ind ...
分类：
其他好文 时间：
2017-09-07 09:59:22
阅读次数：
119
http://acm.hdu.edu.cn/showproblem.php?pid=3507 Time Limit: 9000/3000 MS (Java/Others) Memory Limit: 131072/65536 K (Java/Others) Problem Description Z ...
分类：
其他好文 时间：
2017-09-05 17:56:36
阅读次数：
186
问题描述 先来看看问题描述。 当我们使用sigmoid funciton 作为激活函数时，随着神经网络hidden layer层数的增加，训练误差反而加大了，如上图所示。 下面以2层隐藏层神经网络为例，进行说明。 结点中的柱状图表示每个神经元参数的更新速率(梯度)大小，有图中可以看出，layer2整 ...
分类：
其他好文 时间：
2017-09-05 11:42:11
阅读次数：
205
犀利的开头 在机器学习中，我们用训练数据集去训练(学习)一个model(模型)，通常的做法是定义一个Loss function（误差函数），通过将这个Loss(或者叫error)的最小化过程，来提高模型的性能(performance)。然而我们学习一个模型的目的是为了解决实际的问题（或者说是训练数据 ...
分类：
其他好文 时间：
2017-09-05 10:10:06
阅读次数：
306
接下来几天，将把自己最近读的关于图片分类的经典网络模型论文整理一遍。大概做个摘要。这些论文都是在imagenet上1.2 million数据训练出来的。 由于从这些预训练的网络训练的deep feature有良好的泛化能力，可以应用到其他不同的CV问题，而且比传统的hand-craft featur ...
分类：
其他好文 时间：
2017-09-03 14:53:06
阅读次数：
790
当前子树的损失函数： $C_a(T) = C(T) + a|T|$, 其中$C(T)$为对训练数据的预测误差，$|T|$为树的叶子结点数目，反映模型的复杂度。对固定的$a$,一定存在使损失函数$C_a(T)$最小的子树，将其表示为$T_a$, 极端情况，当 $a = 0$时，整体树是最优的，当$a ...
分类：
其他好文 时间：
2017-09-01 20:21:53
阅读次数：
137
机器学习，分为监督学习和无监督学习，监督学习里有回归和分类，分类有线性回归和逻辑回归。 从最简单的线性回归开始： 通过已有数据需要预测的线性方程： 实际值和预测值的误差，求最小误差函数（最小二乘法）： 1.梯度下降法： 其中ε是步长，步长越大，下降越快，但是可能到不了局部最小值，步长越小，下降越慢， ...
分类：
其他好文 时间：
2017-09-01 00:59:55
阅读次数：
592
（1）灵敏度：输出增量与所加的负荷增量之比。通常每输入1V电压时额定输出的mV。本公司产品与其它公司产品配套时，其灵敏系数必须一致。 （2）滞后：滞后的通俗意思是：逐级施加负荷再依次卸下负荷时，对应每一级负荷，理想情况下应有一样的读数，但事实上下一致，这不一致的程度用滞后误差这一指标来表示。国标中是 ...
分类：
其他好文 时间：
2017-08-31 14:24:14
阅读次数：
124
