转载注明出处http://blog.csdn.net/wanghorse ├── ./base //基础平台库，包含线程、锁、socket等 ├── ./build //编译脚本。gyp ├── ./common_audio //基础公共的音频处理 │ ├── ./common_audio/incl ...
分类：
Web程序 时间：
2017-06-28 15:45:10
阅读次数：
224
recv函数将接收消息队列中的数据包还原成原来的消息格式，通过buffer返回给调用者 还会把rcv_buf中的与接收序号相匹配的数据拷贝到rcv_queue中。这里注意到在Input->parse_data函数中有同样的处理，这里之所以需要重复处理是因为kcp.rcv_queue的大小可能会发生改 ...
分类：
其他好文 时间：
2017-05-10 19:48:03
阅读次数：
356
０语言模型－N-Gram 语言模型就是给定句子前面部分，预测后面缺失部分 ｅｇ．我昨天上学迟到了，老师批评了____。 N-Gram模型： ，对一句话切词 我 昨天 上学 迟到 了 ，老师 批评 了 ____。 ２－N-Gram 会在语料库中找 了 后面最可能的词； ３－N-Gram 会在预料库中找 ...
分类：
其他好文 时间：
2017-04-15 20:19:39
阅读次数：
359
构造：输入神经元个数等于输入向量维度，输出神经元个数等于输出向量维度。（x1=(1,2,3),则需要三个输入神经元） 一 前向后传播 隐层： 输出层： 一般化，向量表示 二 反向传播 1计算梯度delta：均方误差，利用了sigmoid函数导数的有趣性。 输出层梯度： --> eg. 隐层梯度： - ...
分类：
其他好文 时间：
2017-04-15 12:28:05
阅读次数：
257
基本思想： 通过初始化参数P1,P2，推断出隐变量Z的概率分布（E步）； 通过隐变量Z的概率分布，最大似然推断参数P1,P2 （M步）。 梯度下降也可以解决隐变量估计问题，但求和项会随隐变量个数指数增长，EM方法是一种非梯度下降优化方法。 ...
分类：
编程语言 时间：
2017-04-09 00:18:43
阅读次数：
314
准备：1.ubuntu操作系统2.百度一下 IDEA， 到官网下载IDEA安装包 下载完成解压到指定目录下如：tar -zxvf xxx,xxx -C /opt/idea运行/optt/idea/xxx/bin/idea.sh如： 这个过程中可以选择安装 scala sbt 开始： 3.sbt up ...
分类：
其他好文 时间：
2017-03-27 11:20:24
阅读次数：
148
在"模拟Vue之数据驱动2"中，我们实现了个Observer构造函数，通过它可以达到监听已有数据data中的所有属性。 但，倘若我们想在某个对象中，新增某个属性呢？ 如下： 那么岂不是，新增的infor属性，以及它的对象属性，没有得到监听。 此时，应该怎么处理呢？ 通过走读Vue源码，发现他是采用另 ...
分类：
其他好文 时间：
2017-01-11 08:09:12
阅读次数：
241
本文将不会对netty中每个点分类讲解，而是一个服务端启动的代码走读，在这个过程中再去了解和学习，这也是博主自己的学习历程。下面开始正文~~~~ 众所周知，在写netty服务端应用的时候一般会有这样的启动代码： 本文将沿着这条主线来走读代码，但是在走读之前首先要先认识一下Netty中的reactor ...
分类：
Web程序 时间：
2016-12-07 02:12:02
阅读次数：
614
PS一句：最终还是选择CSDN来整理发表这几年的知识点，该文章平行迁移到CSDN。因为CSDN也支持MarkDown语法了，牛逼啊！ 【工匠若水 http://blog.csdn.net/yanbober】 阅读前一篇《Google Volley使用之自定义》 http://blog.csdn.ne ...
分类：
其他好文 时间：
2016-11-08 22:50:58
阅读次数：
345
PS一句：最终还是选择CSDN来整理发表这几年的知识点，该文章平行迁移到CSDN。因为CSDN也支持MarkDown语法了，牛逼啊！ 【工匠若水 http://blog.csdn.net/yanbober】 阅读前一篇《Google Volley使用之自定义》 http://blog.csdn.ne ...
分类：
其他好文 时间：
2016-11-05 14:30:50
阅读次数：
275
