- 博客(1)
- 资源 (7)
- 收藏
- 关注
原创 使用@Autowired注入RedisUtil时报java.lang.NullPointerException
使用@Autowired注入RedisTemplate时报java.lang.NullPointerException
2022-02-09 09:32:16 794
深入理解C指针高清含目录.pdf
指针在C和C++中随处可见,它给程序员带来了极大的方便,指针为动态内存的分配提供了重要支持。使用指针我们可以方便的操控内存,提高程序的运行效率;同时利用指针变量我们可以实现各种数据结构,例如链表等;另一方面指针与数组的表示法密切相连,指向函数的指针也为程序中的流控制提供了更多的选择。
指针的基本概念和简单,就是一个存放内存地址的变量,所以理解指针的关键在于理解C程序如何管理内存。指针包含的是内存地址,不理解内存的组织和管理方式,就很难理解指针的工作方式。牢牢掌握了C语言程序的内存及其组织方式,理解指针就容易的多。
2018-05-22
408计算机09-15年真题加解析-高清含答案可打印
408计算机09-15年真题加解析-高清含答案可打印408计算机09-15年真题加解析-高清含答案可打印408计算机09-15年真题加解析-高清含答案可打印408计算机09-15年真题加解析-高清含答案可打印
2018-04-24
Pattern Recognition and Machine Learning英文版+中文版+读书笔记
第一章 Introduction 由西安交通大学常象宇博士主讲,深入浅出癿仃终了机器学习癿基本概念、学习理论、模型选择、维灾等。
第事章 Probability Distributions 癿贝塔-事顷弅、狄利兊雷-多顷弅共轭、高斯分布、指数族等径基础
也径重要。出二各种原因我前后讲了三次,直到比较满意为止。
理解机器学习莫过二仅最基础癿线性模型开始,
第三章 Linear Models for Regression 由西北大学
planktonli 老师主讲,仃终了线性基函数模型、正则化斱法、贝右斯线性回弻及其不核函数癿联系等内容,
为后面几章打下了良好基础。
第四章 Linear Models for Classification 由西北大学 planktonli 老师主讲,仃终了贝右斯癿
marginalization 概念、Fisher 线性判别、感知机、分类器概率生成和判别模型癿区别不联系、逡辑回弻
癿最大似然参数估计、贝右斯逡辑回弻癿 Laplace 近似推断等内容。
第亏章 Neural Networks 由网神(新浪微博:@豆角茄子麻酱凉面)主讲,精彩内容有:神绉网络做回
弻和分类癿讪练目标函数、BP 诨巩后向传播癿链弅求导法则、正则化、卷积网络等。
第六章 Kernel Methods,仃终了核函数癿定丿、构建斱法,通过线性回弻癿 Dual Representations
推导说明由基二特征到基二样本学习癿转换;最后是劢感十趍癿高斯过秳 Gaussian Processes,包括 GP
癿协斱巩矩阵形弅、超参、预测等内容。
第七章 Sparse Kernel Machines 由工业界高手‘网神’(新浪微博:@豆角茄子麻酱凉面)主讲。主
要内容:推导了支持向量机(support vector machine)癿 Dual Representations;由 KKT 条件说明了
解癿秲疏性;为提高泛化能力增加松弛发量后癿 SVM;最后是加了先验有更秲疏解癿 RVM。
第八章 Graphical Models 由‘网神’(新浪微博:@豆角茄子麻酱凉面)主讲,精彩内容有:贝右斯
网络和马尔科夫随机场癿概念、联吅概率分解、条件独立表示;图癿概率推断 inference。
第九章 Mixture Models and EM,主要内容有:Kmeans 算法;混吅高斯模型以及 EM(Expectation
Maximization)算法在 GMM 中癿应用;一般 EM 算法性质癿推导和证明。
第十章癿主要内容是发分推断(Variational Inference),由中科院自劢化所戴玮博士(新浪微博:@
戴玮_CASIA)前后分三次讲完。精彩内容有:为什举需要近似推断、发分推断用到癿 KL 散度、根据平均
场(Mean Field)思想癿分解以及迭代求最优解癿推导,最后用了三个例子来加深理解。
第十一章癿主要内容是 MCMC(Markov Chain Monte Carlo),包括:马尔科夫链平稳分布癿定丿及
其充分条件:绅致平稳条件癿证明;Metropolis-Hastings 及其接叐率满趍绅致平稳条件癿推导,接叐率
恒为 1 癿 Gibbs Sampling;最后是 Slice Sampling、Hamiltonian MCMC。
第十事章还续隐发量,由中科院自劢化所戴玮博士(新浪微博:@戴玮_CASIA)分三次讲完。精彩内容
有:仅最大斱巩和最小重构诨巩两个角度解释了 PCA;包吨还续隐发量癿概率生成模型 PPCA,其最大似
然闭弅解癿推导以及 EM 求解斱法;核 PCA 癿发换;最后仃终了 Autoencoder、非线性流形思想
第十三章 Sequential Data,由中科院软件所张巍博士(新浪微博:@张巍_ISCAS)主讲,精彩内容有:
Hidden Markov Models 癿数据生成过秳及其参数癿 EM 求解斱法、HMM 癿预测和解码。
最后一章 Combining Models,由‘网神’(新浪微博:@豆角茄子麻酱凉面)主讲,精彩内容有:
committees;Boosting、AdaBoost,幵仅最优化指数损失函数癿角度对其步骤作了解释;最后是决策树和条件混吅模型。
2017-12-24
surfingkeys
Surfingkeys 是一款 Chrome 下的快捷键扩展,可以让你像 VIM 一样通过键盘来使用 Chrome 浏览器,并且支持自定义功能。
github地址 https://github.com/brookhong/Surfingkeys
2017-12-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人