RNNs在股票价格预测的应用 前言 RNN和LSTMs在时态数据上表现特别好，这就是为什么他们在语音识别上是有效的。我们通过前25天的开高收低价格，去预测下一时刻的前收盘价。每个时间序列通过一个高斯分布和2层LSTM模型训练数据。文章分为两个版块，外汇价格预测和每日盘中价格预测(30分钟、15分钟、 ...
分类：
其他好文 时间：
2017-07-03 12:27:26
阅读次数：
270
在基于高斯分布的异常检测算法一文中，详细给出了异常检测算法的原理及其公式，本文为该算法的Octave仿真。实例为，根据训练样例（一组网络服务器）的吞吐量(Throughput)和延迟时间(Latency)数据，标记出异常的服务器。 可视化的数据集如下： 我们根据数据集X，计算其二维高斯分布的数学期望 ...
分类：
编程语言 时间：
2017-06-28 14:22:27
阅读次数：
221
Jmeter中的定时器一般被我们用来设置延迟或同步，其优先级高于sampler，在同一作用域（比如控制器下）有多个定时器存在时，每一个定时器都会执行，如果相让某一定时器仅对某一个sampler有效，可以把定时放在smapler节点下面 1.高斯定时器 生成一个呈高斯分布的时间间隔。（百度高斯分布） ...
分类：
其他好文 时间：
2017-06-15 10:34:53
阅读次数：
267
1.最小二乘法 注：这里假定你了解向量的求导公式，并且知道正态分布和中心极限定律（不知道的可以去数学知识索引翻翻） (线性)最小二乘回归解法： 损失函数：平方损失，这里的误差可能是多种独立因素加和造成的，所以我们假定其符合均值为0的高斯分布，继而可以推出平方损失。参考Andrew Ng机器学习公开课 ...
分类：
其他好文 时间：
2017-06-01 10:35:58
阅读次数：
255
15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（可选） 15.8 使用多元高斯分布进行异常检测（可选） 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开 ...
分类：
其他好文 时间：
2017-05-13 22:15:26
阅读次数：
221
15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（可选） 15.8 使用多元高斯分布进行异常检测（可选） 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开 ...
分类：
其他好文 时间：
2017-05-12 20:11:13
阅读次数：
197
我们能够得到其统计概率密度例如以下： 这样我们就知道该概率密度曲线大致符合正态分布。例如以下图所看到的 大概能够看出它在中心非常集中，边缘非常少，我们能够假定它服从高斯分布（正态分布），其概率密度函数如下： 我们能够得到其统计概率密度例如以下： 这样我们就知道该概率密度曲线大致符合正态分布。例如以下 ...
分类：
其他好文 时间：
2017-05-07 17:38:11
阅读次数：
133
本文转载自http://blog.csdn.net/u011326478/article/details/52872614 感谢作者~ Faster R-CNN: Towards Real-Time Object Detection with Region ProposalNetworks Shao ...
分类：
Web程序 时间：
2017-04-25 11:35:10
阅读次数：
11851
机器学习二 逻辑回归 在生成模型中讲到了，可以利用手头的数据，假设数据是满足高斯分布，且是不同的均值，但是同一个协方差矩阵，基于贝叶斯的判别式，可以得到 p(c1|x)>0.5 是第一类 p(c1|x)可以转化为sigmod(z)=w*x +b 在生成模型中讲到了，可以利用手头的数据，假设数据是满足 ...
分类：
其他好文 时间：
2017-04-18 10:06:41
阅读次数：
193
一、梯度下降法 1.什么是梯度下降法 顺着梯度下滑，找到最陡的方向，迈一小步，然后再找当前位，置最陡的下山方向，再迈一小步… 通过比较以上两个图，可以会发现，由于初始值的不同，会得到两个不同的极小值，所以权重初始值的设定也是十分重要的，通常的把W全部设置为0很容易掉到局部最优解，一般可以按照高斯分布 ...
分类：
其他好文 时间：
2017-04-16 16:08:11
阅读次数：
234
