吴恩达机器学习课程笔记

Rust6.1 Writing Automated Tests

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-16 15:58

Rust6.2 An I/O Project: Building a Command Line Program (mini_grep)

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-16 15:58

Rust7.1 Functional Language Features Iterators and Closures

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-16 15:50

吴恩达机器学习12-支持向量机

吴恩达机器学习12-支持向量机1优化目标支持向量机（SVM），在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。
小y同学在学习·2023-11-15 21:59

吴恩达机器学习----支持向量机

吴恩达机器学习教程学习笔记（10/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2023-11-15 21:29

吴恩达机器学习4-多变量线性回归

吴恩达机器学习4-多变量线性回归1.定义实际问题中，对于问题的解决单一变量往往是不够的，往往要对多个变量进行分析：支持多变量的假设ℎ表示为：hθ(x)=θ0+θ1x1+θ2x2+…+θnxn\h_{\theta
小y同学在学习·2023-11-15 21:29

吴恩达机器学习11-机器学习系统的设计

机器学习系统的设计1.确定执行的优先级以一个垃圾邮件分类器算法为例：为了解决这样一个问题，我们首先要做的决定是如何选择并表达特征向量。我们可以选择一个由100个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现，来获得我们的特征向量（出现为1，不出现为0），尺寸为100×1。为了构建这个分类器算法，我们可以做很多事，例如：收集更多的数据，让我们有更多的垃圾邮件和非垃圾邮件的样本基于
小y同学在学习·2023-11-15 21:59

吴恩达机器学习笔记26-样本和直观理解1（Examples and Intuitions I）

从本质上讲，神经网络能够通过学习得出其自身的一系列特征。在普通的逻辑回归中，我们被限制为使用数据中的原始特征?1,?2,...,??，我们虽然可以使用一些二项式项来组合这些特征，但是我们仍然受到这些原始特征的限制。在神经网络中，原始特征只是输入层，在我们上面三层的神经网络例子中，第三层也就是输出层做出的预测利用的是第二层的特征，而非输入层中的原始特征，我们可以认为第二层中的特征是神经网络通过学习后
weixin_34221773·2023-11-15 21:58

吴恩达机器学习-Kmeans

1.理论基础1.算法K-means是我们最常用的基于欧氏距离的聚类算法，其认为两个目标的距离越近，相似度就越大。1.1牧师-村民模型K-means有一个著名的解释：牧师—村民模型：  有四个牧师去郊区布道，一开始牧师们随意选了几个布道点，并且把这几个布道点的情况公告给了郊区所有的村民，于是每个村民到离自己家最近的布道点去听课。  听课之后，大家觉得距离太远了，于是每个牧师统计了一下自己的课上所有的
NLP菜鸟·2023-11-15 21:57

吴恩达机器学习--中文笔记--第五周

吴恩达机器学习第五个星期1.代价函数与反向传播1.1代价函数1.2反向传播算法1.3反向传播算法的直觉理解2.实战中的反向传播2.参数的展开和恢复2.2梯度检查2.3随机初始化2.4步骤小结参考文献本文是在学习吴恩达老师机器学习课程的基础上结合老师的
Bill Gates's fan·2023-11-15 21:20

吴恩达机器学习Deeplearning.ai课程学习笔记(Supervised Machine Learning Regression and Classification---week1)

一、机器学习定义：机器学习即Machinelearning，涉及很多学科，简单点来说，就是使用计算机通过“学习“大量的数据模拟实现人类的行为，也就是让计算机自己学习到一些所谓的”知识与技能“（例如什么是苹果？什么是香蕉？），而且能够通过一些算法组织其实现不断学习不断完善自身的性能与知识架构，换句话说，让计算机越来越”知识渊博“，也就是-----人工智能。二、机器学习分类：机器学习一般分为监督学习与
智能提桶工程师·2023-11-15 09:18

Coursera-Supervised Machine Learning:Regression and Classification by 吴恩达（课程笔记）

Welcometomachinelearning1、介绍常见的机器学习的应用场景：1：使用搜索引擎时，例如谷歌，谷歌会根据用户的输入，搜索并排列好用户可能会需要的内容2：使用趋向于展示图像的社交媒体时，可以对图像中的人物进行识别，如：Ins上，可以tag出照片中的某人。3：在流媒体服务器上观看某个影片后，可以通过该影片获取平台的相关类型电影的推荐。4：手机等电子设备，可以进行语音到文本的转换，并对
doubi常常喝可乐·2023-11-15 09:15

清华教授的操作系统-----课程笔记

文章目录操作系统准备系统调用计算机体系结构及内存分层体系地址空间&地址空间是如何生成的MMU连续内存分配内存碎片问题分区的动态分配压缩式碎片整理交换时碎片整理**非连续内存分配****分段****分页****帧****页****页寻址机制**TLB二级页表**多级页表**反向页表虚拟内存进程进程的定义进程的组成进程控制块(ProcessControlBlock)进程的生命周期进程挂起线程线程与进程
Linux_Glacier·2023-11-14 10:45

操作系统课程笔记

第一章操作系统引论知识点操作系统定义：配置在计算机硬件上的第一层软件。作用：作为用户与计算机硬件系统之间的接口；作为计算机系统资源的管理者；实现了对计算机资源的抽象；特征：并发、共享、虚拟和异步。基本特征并发（两个或多个事件在同一时间间隔发生）：有效地提高系统中的资源利用率，增加系统的吞吐量。并行：两个或多个事件在同一时刻发生。共享：系统中的资源可供内存中多个并发执行的进程共同使用。虚拟：将一个物
Amire0x·2023-11-14 10:14

【Java】面向对象程序设计 课程笔记 Java核心类

WriteInFront个人主页：令夏二十三欢迎各位→点赞+收藏⭐️+留言系列专栏：Java希望你看完之后，能对你有所帮助，不足请指正！共同学习交流一、字符串1.StringString属于引用类型，也就是指向某一个地址，但也可以直接赋值：Strings1="Hello!";String也可以用char[]数组实现，因此有下面这个写法：Strings2=newString(newchar[]{'H
令夏二十三·2023-11-14 10:07

【OS】操作系统课程笔记 第七章 内存管理

目录7.1内存管理的功能7.1.1内存分配7.1.2地址转换1.空间的概念2.地址转换7.1.3存储保护7.1.4存储共享7.1.5存储扩充7.2程序的链接和加载7.2.1程序的链接链接的分类7.2.2程序的加载1.加载器的功能2.装入方式分类7.3连续分配方式7.3.1单一连续分配7.3.2固定分区分配1.特点2.划分固定分区的两种方法3.内存管理4.分配策略7.3.3动态分区分配1.特点2.内
令夏二十三·2023-11-14 10:36

2021-03-19~20 大数据课程笔记 day58day59

@R星校长1Scala1.1【重点】Scala六大特性 1)与java无缝整合 2)类型自动推断 3)并发和分布式 4)Trait特质特性 5)Match模式匹配 6)高阶函数1.2【重点】Scala&Java异同？ 1)类型定义声明不同，Scala：val/varJava强类型定义。 2)Scala中有类和对象，Java中有类。 3)Scala、java都是是基于Jvm,scala面向对象+面向
Rich Dad·2023-11-13 12:07

Rust5.1 Error Handling

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-13 09:41

Rust5.2 Generic Types, Traits, and Lifetimes

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-13 09:33

欧启标O老师STM32课程笔记（三）——GPIO模块寄存器的封装

3.1结构体基础知识3.1.1结构体类型的定义struct结构体类型名{成员列表}； 例如：structstudent{longnum;charname[20];charsex;floatscore;};3.1.2结构体类型的变量和指针变量的声明structstudentstu_1,*p;//stu_1为结构体类型的变量，p为结构体类型的指针变量3.1.3结构体指针及其成员的访问 可以将stu的地
硬件梁朝伟·2023-11-13 02:54

吴恩达机器学习8-神经网络介绍

吴恩达机器学习8-神经网络介绍1.神经网络引入无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。
小y同学在学习·2023-11-12 13:25

吴恩达机器学习第8-9章

吴恩达机器学习第8-9章第8章8-1非线性假设对于一个复杂的样本模型，如果用logistc回归算法的话，很容易产生过拟合，当特征数很大的时候，会使特征空间急剧膨胀，用增加特征数，来建立非线性分类器，并不是一个好做法
爱编程的西瓜·2023-11-12 13:55

吴恩达机器学习----神经网络：学习

吴恩达机器学习教程学习笔记（7/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2023-11-12 13:24

吴恩达机器学习--神经网络概述

一.非线性假设相关:例:训练一个模型实现视觉对象的识别(例如识别图片上是否是一辆汽车),一种方法是利用很多汽车和非汽车图片，利用图片上的一个个像素值作为特征。假如我们只选用灰度图片，每个像素则只有一个值，我们可以选取图片上的两个不同位置上的两个像素，然后训练一个逻辑回归算法利用这两个像素的值来判断图片上是否是汽车。说明:即使采用50*50像素的小图片,并且将所有的像素是为特征，那么会有2500个特
weixin_40025586·2023-11-12 13:24

吴恩达机器学习----神经网络：表述

吴恩达机器学习教程学习笔记（6/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2023-11-12 13:24

吴恩达机器学习--中文笔记--第四周

吴恩达机器学习第四个星期1.诱因和动机1.1非线性假设函数1.2神经元和大脑2.神经网络2.1模型表示(1)2.2模型表示(2)3.应用3.1示例和直觉（1）3.1示例和直觉（2）3.3多类别分类参考文献本文是在学习吴恩达老师机器学习课程的基础上结合老师的
Bill Gates's fan·2023-11-12 13:51

左程云算法课基础05二叉树课程笔记（上）--递归，非递归遍历，宽度遍历

二叉树节点结构classNode{Vvalue;Nodeleft;Noderight;}最顶上的节点叫根节点，没有子节点的叫叶子节点用递归和非递归两种方式实现二叉树的先序、中序、后序遍历。递归序：按照递归顺序遍历，每个节点会遍历3次。又分成三种：先序，中序，后序先序：对于所有子树，都是先打印头节点，左子树上所有节点，右子树上所有节点为递归序加工所得，即递归遍历时第一次来到该节点时打印，其余两次什么
山LAN·2023-11-12 11:31

算法与数据结构——算法基础——二叉树(java)（b站左程云课程笔记整理）

二叉树了解一个二叉树的递归序、先序、中序、后序递归序：每个数会被打印三次（可以理解为前中后）先序：头左右中序：左头右后序：左右头publicstaticclassNode{publicintvalue;publicNodeleft;publicNoderight;publicNode(intdata){this.value=data;}}//先序publicstaticvoidpreOrderRe
Borslav·2023-11-12 11:25

Rust4.2 Common Collections

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-12 00:56

C++字符串处理函数

来源：学习黑马课程笔记1.gets()#includechar*gets(char*s);功能：从标准输入读入字符，并保存到s指定的内存空间，直到出现换行符或读到文件结尾为止。
人菜就要多读书·2023-11-11 14:31

2021斯坦福CS224N课程笔记~7

7.机器翻译，序列到序列、注意力机制参考文献：https://zhuanlan.zhihu.com/p/430709084https://zhuanlan.zhihu.com/p/147310766【简易】https://zhuanlan.zhihu.com/p/47063917【注意力系列】https://www.showmeai.tech/article-detail/242https://z
mwcxz·2023-11-11 14:17

2021斯坦福CS224N课程笔记~5

5语言模型(LM)与循环神经网络(RNN)参考文档：https://zhuanlan.zhihu.com/p/424671205https://www.showmeai.tech/article-detail/239https://zhuanlan.zhihu.com/p/147322049[易懂]https://zhuanlan.zhihu.com/p/61893429讲座计划\1.神经依存解析
mwcxz·2023-11-11 14:46

2021斯坦福CS224N课程笔记~3

3.神经网络学习：手工计算梯度Lecture3:Neuralnetlearning:Gradientsbyhand(matrixcalculus)andalgorithmically(thebackpropagationalgorithm)参考文档：https://zhuanlan.zhihu.com/p/527211871https://zhuanlan.zhihu.com/p/41429307
mwcxz·2023-11-11 14:16

【课程】13 数据同化理论和方法

2022级博士研究生课程笔记。仅供学习交流，如若侵权，请联系我删除，谢谢。感谢时沈老师的精彩分享！
赖亦无·2023-11-11 05:25

ZKP8.2 FRI (Univariate) Polynomial Commitment

ZKP学习笔记ZK-LearningMOOC课程笔记Lecture8:FRI-basedPolynomialCommitmentsandFiat-Shamir(JustinThaler)8.2FRI(Univariate
Simba14·2023-11-11 02:16

Rust3 Using Structs to Structure Related Data & Enums and Pattern Matching

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-11 02:46

ZKP8.1 Polynomial-IOP and Polynomial Commitment Schemes

ZKP学习笔记ZK-LearningMOOC课程笔记Lecture8:FRI-basedPolynomialCommitmentsandFiat-Shamir(JustinThaler)8.1Polynomial-IOPandPolynomialCommitmentSchemesRecall
Simba14·2023-11-11 02:15

Rust4.1 Managing Growing Projects with Packages, Crates, and Modules

Rust学习笔记Rust编程语言入门教程课程笔记参考教材:TheRustProgrammingLanguage(bySteveKlabnikandCarolNichols,withcontributionsfromtheRustCommunity
Simba14·2023-11-11 02:40

吴恩达机器学习7-正则化

吴恩达机器学习7-正则化1.正则化引入：首先给出房价线性回归预测的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质
小y同学在学习·2023-11-10 17:03

吴恩达机器学习4--正则化(Regularization)

过拟合问题看下面回归的例子第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质。而中间的模型似乎最合适在分类问题中：就以多项式理解，的次数越高，拟合的越好，但相应的预测的能力就可能变差正则化线性回归正则化线性回归的代价函数为：正则化线性回归的梯度下降算法为：可以看出，正则化线性回归的梯度下降算法的变化在于，每次都在原有
吓得我泰勒都展开了·2023-11-10 17:33

吴恩达机器学习（十七）过拟合、正则化下的代价函数

文章目录1.过拟合2.正则化下的代价函数1.过拟合  包插线性回归和逻辑回归等的几种学习算法能够有效解决许多问题，但是当它们应用到某些特定的机器学习应用时，会遇到过度拟合的问题，导致它们表现欠佳。  概括地说过拟合问题将会在变量过多的时候出现，这时训练出的假设能很好地拟合训练集，但是会出现一条千方百计地拟合数据的曲线，导致它无法泛化到新的样本中。  类似的说法同样可以应用到逻辑回归：  过了解决过
计算机视觉从零学·2023-11-10 17:33

欠拟合 过拟合 正则化-------吴恩达机器学习心得

欠拟合过拟合正则化模型训练过程中会出现“欠拟合”（Underfitting）“过拟合”(Overfitting)现象。（欠拟合又可以表示为“高偏差”，而过拟合又可以称为“高方差”，对于高误差和高方差的解释会在另一篇里解释。）如下图的线性回归函数和逻辑回归函数的第一个图形，就是欠拟合，即假设函数不能很好的拟合训练数据。而第三个图形就是过拟合的例子，即学习的假设能够完全拟合训练集的每一个数据，但不能推
weixin_44102752·2023-11-10 17:33

吴恩达机器学习----正则化

吴恩达机器学习教程学习笔记（5/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2023-11-10 17:01

吴恩达机器学习--正则化（4）

1过拟合（1）回归中的过拟合第一个模型是欠拟合，不能很好地适应训练集；第三个模型用四次方进行拟合，过于强调拟合原始数据，而丢失了预测新数据的能力。而中间的模型似乎最合适。（2）分类问题中的过拟合?的次数越高，拟合的越好，但相应的预测的能力就可能变差。（3）如何处理过拟合1）丢弃一些不能正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择的算法来帮忙（例如PCA）2）正则化。保留所有的特
翔燕·2023-11-10 17:28

吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.SolvingtheProblemofOverfitting一、TheProblemofOverfittingunderfitting=highbias；overfitting=highvariance。避免过拟合的方法：二、CostFunction在代价函数J中对每个参数theta加入正则化项（罚函数），从而使所有的参数变小。但是不对theta0增加正则化项。若正则化项中的系数l
Loki97·2023-11-10 17:28

吴恩达机器学习--线性/逻辑回归正则化

正则化线性回归、逻辑回归文章目录正则化线性回归、逻辑回归1、正则化线性回归2、正则化的逻辑回归模型1、正则化线性回归对于线性回归的求解，我们之前推导了两种学习算法：一种基于梯度下降，一种基于正规方程。正则化线性回归的代价函数为：如果我们要使用梯度下降法令这个代价函数最小化，因为我们未对theta0进行正则化，所以梯度下降算法将分两种情形：对上面的算法中j=1，2，…,n时的更新式子进行调整可得：可
W_Y_J_love·2023-11-10 17:52

吴恩达机器学习之神经网络小节-正则化项

学习吴恩达的机器学习时，大家可能会对神经网络的正则化项不理解，在这里我阐述一下我自己的理解，如有错误，请大家批评指正对于多分类任务中神经网络的代价函数：这个大括号里面还好看一些，主要就是这个正则化项，这里大家可能被lecture8里面的权重函数定义给搞糊涂了。这里只是说了权重矩阵的维度，它和正则化项是没太大关系的，看一下对于二分类的代价函数权值theta是从1开始的，并不会对theta0进行压缩。
香辣老油条·2023-11-10 17:50

VSCode进行CMake开发

这是B战up主Xiaobing1016的课程笔记，详细内容见基于VSCode和CMake实现C/C++开发。在此感谢up主的无私分享和细心讲解。
Mason_Luo_19·2023-11-10 10:31

西电李航 操作系统课程笔记 day12 deadlock

文章目录deadlock死锁概念死锁本质死锁条件死锁处理策略忽略问题(鸵鸟算法)检查并恢复动态避免死锁破坏必要条件之一死锁检测和死锁恢复检测死锁的方法资源分配图分配/请求矩阵资源轨迹图(进度图)//CSAPPnote-day13三种并发编程恢复方法抢占回滚kill死锁避免安全状态和不安全状态单资源算法多资源算法死锁预防破坏互斥破坏占有并等待破坏不可抢占破坏环路等待其他问题两阶段加锁(two-pha
aeroseat·2023-11-10 04:31

西电李航 操作系统课程笔记 day1 IPC

文章目录IPC(interprocesscommunication进程间通信)竞争条件(Raceconditions)临界区(CriticalRegion)互斥方案屏蔽中断锁变量严格轮换法Peterson解法TSLSleep&Wakeup改进信号量(Semaphore)semaphore(信号量)//day13三种并发编程互斥量(mutex)条件变量(ConditionalVariables)消息
aeroseat·2023-11-10 04:00
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他