Adai(阿呆)-CSDN博客

转载高质量深度学习资源总结：128篇论文，21大领域

128篇论文，21大领域，深度学习最值得看的资源全在这里！这份阅读列表的组织原则是这样的：从全局到枝干：从综述类、全局性的文章到细分领域的具体论文。从经典到最前沿：每个话题的文章都是按时间顺序来排的，可以清晰给出每个方向的发展脉络。从通用理论到具体应用：有些论文是针对深度学习通用理论的，有些论文章则针对具体的应用领域。专注于最先进的研究：收集有许多最新论文，保证阅读列表的时效性。来源：人工智能头条(https://mp.weixin.qq.com/s/GuSuYFRuIVtPUqmIMkjS4A

2017-09-17 17:12:52 1844

原创字符编码笔记汇总：ASCII、GBXXXX、Unicode、UTF-8等

2017-09-16 21:07:20 4137 2

原创人工智能之自动驾驶系列（一）：概要

2017-08-19 10:15:44 44161 2

转载十道海量数据处理面试题与十个方法大总结

转自：http://blog.csdn.net/v_july_v/article/details/6279498第一部分、十道海量数据处理面试题1、海量日志数据，提取出某日访问百度次数最多的那个IP。首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，

2017-08-08 17:55:00 361

原创 Caffe&TensorFlow&caffe配置记录

1.安装NVIDIA驱动和cuda8.0官网下载run文件先sudo services lightdm stop，再执行.run文件，cuda 8.0会自带一个驱动踩过的坑：装系统时要利用自定义分区彻底清除原磁盘/系统，否则会出现驱动无法安装成功的问题！ 2.安装cudnn 5.1拷贝文件，建立软连接，设置路径，参考：http://blog.csdn.net/ub

2017-07-29 23:25:14 359

转载（译）理解 LSTM 网络（Understanding LSTM Networks by colah）

转自：http://blog.csdn.net/jerr__y/article/details/58598296@翻译：huangyongye原文链接： Understanding LSTM Networks前言：其实之前就已经用过 LSTM 了，是在深度学习框架 keras 上直接用的，但是到现在对LSTM详细的网络结构还是不了解，心里牵挂着难受呀！今天看了 te

2017-07-28 15:48:08 412

原创深度学习系列之各激活函数对比

sigmoid函数使用sigmoid作为激活函数存在如下两个问题：1）梯度饱和。当函数激活值接近于0或者1时，函数的梯度接近于0。在反向传播计算梯度过程中：δ(l)=(W(l))Tδ(l+1)∗f′(z(L))，每层残差接近于0，计算出的梯度也不可避免地接近于0。这样在参数微调过程中，会引起参数弥散问题，传到前几层的梯度已经非常靠近0了，参数几乎不会再更新。而且为了防止饱和，对于权重矩阵的

2017-07-07 20:59:44 740

原创推荐系统-利用用户行为数据判断用户间或商品间相似性、分类和个性化推荐

前言：总算开始了个人博客-菜鸟成长室（http://blog.csdn.net/wangdaiyin）输出的第一步，转载请注明文章来源！推荐系统概念：简单来说，个性化推荐系统是一种解决信息过载问题的技术，它是根据用户的兴趣爱好，推荐符合用户个性化的对象，可以帮助用户找到想要的商品/新闻/音乐等、能降低信息过载问题、提高站点的点击率/转化率、加深对用户的了解并进一步提供定制化服务

2017-07-02 20:11:56 42216 1

转载机器学习中的数学系列-矩阵奇异值分解(SVD)及其应用

转自：LeftNotEasy发布的http://leftnoteasy.cnblogs.com前言：上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与

2017-07-02 12:15:11 437

转载机器学习中的数学系列：线性判别分析（LDA）& 主成分分析(PCA)

转自：http://leftnoteasy.cnblogs.com前言：如果学习分类算法，最好从线性的入手，线性分类器最简单的就是LDA，它可以看做是简化版的SVM，如果想理解SVM这种分类器，那理解LDA就是很有必要的了。谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从推导、求解、到算法最终的结果，都有着相当的相似。本次的

2017-07-02 12:09:02 401

程序猿成长室