[置顶] 部分博文导航
突然意识到，进到博客后，我的博文在主页上是按照发表时间的顺序展示的，各种类型的文章混合在一起，实在不便于查阅，虽然通过分章分类也可进行一定的区分，但分类多了也比较麻烦。因此，为方便自己查阅，同时也为方便读者快速预览本博客的内容，我打算在这里为本博客的一些主要博文搭建一个目录结构，算是读者导航吧。
一、数据挖掘&机器学习
什么是社区发现?
Factorization Machines 学习笔记（三）回归和分类
Factorization Machines 学习笔记（二）模型方程
Factorization Machines 学习笔记（一）预测任务
发表在 Science 上的一种新聚类算法
一种并行随机梯度下降法
DistBelief 框架下的并行随机梯度下降法 - Downpour SGD
一种利用 Cumulative Penalty 训练 L1 正则 Log-Linear 模型的随机梯度下降法
一种适合于大数据的并行坐标下降法
最大熵学习笔记（零）目录和引言
最大熵学习笔记（一）预备知识
最大熵学习笔记（二）最大熵原理
最大熵学习笔记（三）最大熵模型
最大熵学习笔记（四）模型求解
最大熵学习笔记（五）最优化算法
最大熵学习笔记（六）优缺点分析
Sparse Filtering 学习笔记（一）网络结构与特征矩阵
Sparse Filtering 学习笔记（二）好特征的刻画
Sparse Filtering 学习笔记（三）目标函数的建立和求解
聚类算法学习笔记（一）引言
聚类算法学习笔记（二）预备知识
聚类算法学习笔记（三）直接聚类法
聚类算法学习笔记（四）K-means
聚类算法学习笔记（五）DBSCAN
聚类算法学习笔记（六）OPTICS
聚类算法学习笔记（七）聚类分析的效果评测
聚类算法学习笔记（八）数据尺度化问题
LDA-线性判别分析（一）预备知识
LDA-线性判别分析（二）Two-classes 情形的数学推导
LDA-线性判别分析（三）推广到 Multi-classes 情形
LDA-线性判别分析（四）其他几个相关问题
基于权值的微博用户采样算法研究
极限学习机简介
Community Detection 算法
微博营销中的 KOL 分析
相关性分析方法
二、深度学习
UFLDL 教程学习笔记（一）神经网络
UFLDL 教程学习笔记（二）反向传导算法
UFLDL 教程学习笔记（三）自编码与稀疏性
UFLDL 教程学习笔记（四）主成分分析
RBM学习笔记（一）预备知识
RBM学习笔记（二）网络结构
RBM学习笔记（三）能量函数和概率分布
RBM学习笔记（四）对数似然函数
RBM学习笔记（五）梯度计算公式
RBM学习笔记（六）对比散度算法
RBM学习笔记（七）RBM 训练算法
RBM学习笔记（八）RBM 的评估
Yusuke Sugomori 的 C 语言 Deep Learning 程序解读
自编码器及相关变种算法简介
三、语言模型
word2vec 中的数学原理详解（一）目录和前言
word2vec 中的数学原理详解（二）预备知识
word2vec 中的数学原理详解（三）背景知识
word2vec 中的数学原理详解（四）基于 Hierarchical Softmax 的模型
word2vec 中的数学原理详解（五）基于 Negative Sampling 的模型
word2vec 中的数学原理详解（六）若干源码细节
关于词向量工作原理的理解
Deep Learning 在中文分词和词性标注任务中的应用
利用 word2vec 训练的字向量进行中文分词
边界熵和边界多样性
四、文本挖掘
TF-IDF 简介
五、强化学习
A Painless Q-learning Tutorial (一个 Q-learning 算法的简明教程)
六、数学天地
牛顿法与拟牛顿法学习笔记（一）牛顿法
牛顿法与拟牛顿法学习笔记（二）拟牛顿条件
牛顿法与拟牛顿法学习笔记（三）DFP 算法
牛顿法与拟牛顿法学习笔记（四）BFGS 算法
牛顿法与拟牛顿法学习笔记（五）L-BFGS 算法
HMM 自学教程（一）引言
HMM 自学教程（二）生成模型
HMM 自学教程（三）隐藏模式
HMM 自学教程（四）隐马尔科夫模型
HMM 自学教程（五）前向算法
HMM 自学教程（六）维特比算法
HMM 自学教程（七）前向后向算法
HMM 自学教程（八）总结
极小化问题与负梯度方向
逻辑回归详谈
关于协方差矩阵的理解
Lagrange插值公式
作者: peghoty
出处: http://blog.csdn.net/itplus/article/details/21905449
欢迎转载/分享, 但请务必声明文章出处.