| 共 17 篇文章 |
|
jquery几种常用框架比较1、jQuery Smart UI官网地址http://smartui.chinamzz.com JQuery Smart UI是基于JQuery的Ajax开发的一个jquery ui框架，实现前、后台分离、功能和数据分离，UI层全部使用htm+js+json完成，通过一个统一数据接口与服务端进行数据交换。 阅6 转自yanjj 公众公开 14-10-24 08:36 |
也就是说，如果对于预测错误的样例，进行调整时只需加上（实际上为正例）或者减去（实际负例）样本特征x值即可。假设对于所有的样例，也就是说特征向量长度有界为D。根据前面对SVM的理解，这个定理就可以阐述为：如果训练样本线性可分，并且几何间距至少是，样例样本特征向量最长为D，那么感知算法错误数不会超过。感知算法只在样例预测错误时... 阅167 转2 评0 公众公开 14-04-16 07:18 |
\[h_\theta(x)=\theta_0 + \theta_1 x_1 + \theta_2 x_2 + ...+ \theta_n x_n\]\[h_\theta(x)=\theta^Tx=\theta_0 + \theta_1 x_1 + \theta_2 x_2 + ...+ \theta_n x_n\]其中参数：\(\theta_0\), \(\theta_1\),...,\(\theta_n\)可表示为n+1维的向量 \(\theta\)\[J(\theta) = J(\theta_0, \theta_1, ...,\theta_n) = \frac{1}{2m}\sum_{i=1}^m{... 阅342 转3 评0 公众公开 14-04-15 07:30 |
对于Hypothesis: \(h_\theta(x) = \theta_0 + \theta_1 x\)构想： 对于训练集(x, y)，选取参数\(\theta_0\), \(\theta_1\)使得\(h_\theta(x)\)尽可能的接近y。\[\displaystyle\mathop{\mathrm{minimize}}\limits_{\theta_0, \theta_1} J(\theta_0, \theta_1)\]然后令\(\theta_1\)分别取1、0.5、-0.5等值，同步对比\(h_\theta(x)\)和\(J(\theta... 阅272 转1 评0 公众公开 14-04-15 07:29 |
我们知道，线性回归的Cost Function是凸函数，具有碗状的形状，而凸函数具有良好的性质：对于凸函数来说局部最小值点即为全局最小值点，因此只要能求得这类函数的一个最小值点，该点一定为全局最小值点。因此，上述的Cost Function对于逻辑回归是不可行的，我们需要其他形式的Cost Function来保证逻辑回归的成本函数是凸函数。(4) 对数损失函数... 阅1044 转5 评0 公众公开 14-04-15 07:26 |
BP算法。为了能实现梯度算法，故把神经元的激发函数改为可微分函数，例如Sigmoid函数，非对称Sigmoid函数为f(X)=1/(1+e-x ),对称Sigmoid函数f(X)=(1-e-x )/(1+e-x )；BP算法是目前最广泛用的神经网络学习算法之一，在自动控制中是最有用的学习算法。一、BP算法的原理。这种算法采用非线性规划中的最速下降方法，按误差函数的负梯度方向修改权系... 阅2001 转14 评0 公众公开 14-04-15 07:06 |
计算阶乘n!末尾0的个数问题描述 给定参数n（n为正整数），请计算n的阶乘n！末尾所含有“0”的个数。令f(x)表示正整数x末尾所含有的“0”的个数, g(x)表示正整数x的因式分解中因子“5”的个数，则利用上面的的结论1和公式1有： f(n!) = g(n!) = g(5^k * k! * a) = k + g(k!) = k + f(k!)所以，最终的计算公式为： 当0 <n <5时，f(... 阅480 转1 评0 公众公开 14-04-11 08:40 |
末尾0的个数取决于乘法中因子2和5的个数。显然乘法中因子2的个数大于5的个数，所以我们只需统计因子5的个数。是5的倍数的数有： 1024 / 5 = 204个是25的倍数的数有：1024 / 25 = 40个是125的倍数的数有：1024 / 125 = 8个是625的倍数的数有：1024 / 625 = 1个所以1024! 中总共有204+40+8+1=253个因子5。while (num >5) { num = (num - (... 阅480 转0 评0 公众公开 14-04-11 08:30 |
人脸识别经典算法二：LBP方法。这样，3x3邻域内的8个点经比较可产生8位二进制数（通常转换为十进制数即LBP码，共256种），即得到该邻域中心像素点的LBP值，并用这个值来反映该区域的纹理信息。为了适应不同尺度的纹理特征，并达到灰度和旋转不变性的要求，Ojala等对 LBP 算子进行了改进，将 3×3邻域扩展到任意邻域，并用圆形邻域代替了正... 阅4361 转43 评0 公众公开 14-04-11 07:55 |
求最大公约数问题。最大公约数问题，也不是个很难的问题，如果知道思路就很容易了。对于最大公约数问题，最简单的思路应该算是直接循环从1开始用两个数对其做除法了，找出最大公约数。一般解决最大公约数问题的方法是：辗转相除法（欧几里德算法）。还有一种思路解决最大公约数问题，称为更相减损术，思路也很简洁，大概如下：对于a、b，如果a&... 阅171 转3 评0 公众公开 14-04-11 07:44 |
