第九章
前言
什么是卷积
神经网络里卷积的目的
什么是池化
卷积和池化的强先验
前言卷积网络也叫卷积神经网络（或者CNN），是一种特殊的深层的神经网络模型，它适合于时间序列数据的处理和图像数据处理。这章内容主要讨论内容：
什么是卷积
使用卷积的动机
什么是池化
用于实践中的神经网络的几个变化卷积函数
卷积如何应用于各种维度不同的数据
讨论一些如何使卷积神经更有效率
补充内容：卷积神经网络的特殊性体现...
分类：
其他好文 时间：
2016-05-30 14:45:31
阅读次数：
932
在前面的《时序列数据库武斗大会之 TSDB 名录 Part 1》和《时序列数据库武斗大会之TSDB名录 Part 2》中，我们介绍了一些常见的TSDB，并在《时间序列数据库武斗大会之 KairosDB 篇》深入了解了KairosDB。本文将详细介绍TSDB中的OpenTSDB。 OpenTSDB ， ...
分类：
数据库 时间：
2016-05-10 20:29:58
阅读次数：
537
作为次时代系统监控工具，数据处理平台 Cloud Insight 完全能够解决上述问题，目前已经做到：
一键部署，40s完成 Linux/Windows/Docker 系统服务器监控
简单配置，支持30+ 数据库，中间件组件监控
支持 SDK(API 开发中) 自定义上传时间序列数据
仪表盘，自定义你的个人风格仪表盘
告警／事件流，针对全指标设置报警策略...
分类：
其他好文 时间：
2016-04-08 15:15:27
阅读次数：
151
实现监控的方式： SNMP 命令、脚本(remotescript) Cacti(php脚本) 强大的绘图引擎 将其他监控软件收集的数据通过图形的方式展示 时间序列数据的展示工具 Nagios 状态监控工具 监控的对象： FaultManagement故障管理 ConfigurationManagement配置管理 AccountingManagement..
分类：
Web程序 时间：
2016-04-06 00:51:37
阅读次数：
237
实现监控的方式： SNMP 命令、脚本(remotescript) Cacti(php脚本) 强大的绘图引擎 将其他监控软件收集的数据通过图形的方式展示 时间序列数据的展示工具 Nagios 状态监控工具 监控的对象： FaultManagement故障管理 ConfigurationManagement配置管理 AccountingManagemen..
分类：
其他好文 时间：
2016-04-05 20:12:32
阅读次数：
199
一、监控系统机制1.监控工具工作机制监控是通过传感器采集数据，在经过数据的存储加工后，进行展示。一般采集的数据为时间序列数据，即随时间变化而动态变化的数据；当采集到的数据超出阈值将会报警。监控功能的实现可基于专用agent、ssh、SNMP协议、IPMI(专业级监控接口Intell..
分类：
其他好文 时间：
2016-02-29 23:30:50
阅读次数：
4556
先上效果图吧（图中Tue表示周二）：Pandas和matplotlib.dates都是使用matplotlib.units来定位刻度。matplotlib.dates可以方便的手动设置刻度，同时pandas似乎可以自动调整格式。直接上代码吧：# -*- coding: utf-8 -*-"""Cre...
分类：
其他好文 时间：
2015-12-15 11:54:18
阅读次数：
5099
pandas是本书后续内容的首选库。pandas可以满足以下需求： 具备按轴自动或显式数据对齐功能的数据结构。这可以防止许多由于数据未对齐以及来自不同数据源（索引方式不同）的数据而导致的常见错误。. 集成时间序列功能 既能处理时间序列数据也能处理非时间序列数据的数据结构 数学运算和简约（比如对某个轴...
分类：
编程语言 时间：
2015-11-30 10:05:18
阅读次数：
252
时间序列数据库的秘密（3）——加载和分布式计算加载如何利用索引和主存储，是一种两难的选择。选择不使用索引，只使用主存储：除非查询的字段就是主存储的排序字段，否则就需要顺序扫描整个主存储。选择使用索引，然后用找到的row id去主存储加载数据：这样会导致很多碎片化的随机读操作。没有所谓完美的解决方案。...
分类：
数据库 时间：
2015-09-01 14:04:16
阅读次数：
221
处理时间序列数据时，经常需要对数据进行预处理，然后在使用复杂模型处理数据。其中，常用的一种方法就是对数据取log，进行log变形。那么什么样的时间序列数据需要进行取log呢？查阅资料发现，如果数据满足如下两点，就比较适合take log。
每个时刻的数据都为正数（为0时，可以通过+1来变为正数）数据的变化量随着时间的增加，指数级增加
以一个具体的例子来看：
原始数据：
...
分类：
其他好文 时间：
2015-08-31 07:37:43
阅读次数：
399
