GoogLeNet 是非常具有代表性的卷积神经网络，在 2014 年 ImageNet 挑战赛（图片分类）上夺取第一名桂冠1。GoogLeNet 不同于之前的 AlexNet，LeNet 或 VGG，它的设计更加颠覆传统。整个网络只有 22 层，但训练参数只有 500 万个，是 AlexNet 的十分之一。ImageNet. “Large Scale Visual Recognition Chal

过拟合的一般理解是在训练集上拟合的很好，但是在测试集上预测结果很差。总的来讲，过拟合问题反映出模型的泛化能力的不足。在实际开发中，我们更希望提升出来的模型在测试集上的性能（泛化能力），而不是一味的拟合现有的训练集。

支持向量机 (Support Vector Machine，SVM)，也成为最大边界分类器，是上世纪 90 年代发明的性能优异的二元分类器。支持向量机的旨在找到一个合适的超平面使得其决策平面间的间距最大化。

CNF 是合取范式的简称，是可满足问题中比较重要的概念。在实际应用中，我们一般将约束写成 CNF 范式的格式，然后通过求解器 Solver 对其进行求解。因此 CNF 可以理解为一种问题约束的表现形式。 本文对 CNF 的基本概念，存储形式，及其应用做一点简要的介绍。

Kernel SVM 则是用来求解线性不可分的分类问题的。顾名思义，Kernel SVM 利用 核函数 (Kernel function) 将样本从低维空间 (输入空间) 映射到高维空间 (特征空间) 来进行线性划分。既然低维空间无法线性分割，那我们就将样本转换到高维空间进行线性分割吧。

前几天在 LeetCode 刷题的时候，遇到了利用 Arrays.sort() 或 Collections.sort() 来对 Java 对象进行排序的需求，于是想较详细地总结一下 Java 对象的排序实现方法，这些方法能让我们的编程更快捷。在 Java 中，基本使用两种方法，即 Comparator 和 Comparable 接口，来完成基本甚至稍微复杂一点的排序的任务。当然，面对不同的数据结构

异常点检测方法 Anomaly detectionmethods异常点(或离群点anomaly, outlier)指的就是那些在数据集中很不平常的，与众不同的模式[1][2][3][4]。按照 Hawkins 的经典定义,意思就是"异常点是一个观测值，它与数据集中其他的观测值如此不一样，以至于认为它是由其他的机制所产生的。"Anobservation which devia...

Frank Wilcoxon 是美国的统计学家，终其一生最著名的就是提出了 2 个非参假设检验方法，即 秩和检验 (Wilcoxon rank-sum test) 和 符号秩检验 (wilcoxon signed-rank test)。本文简单的对比总结了两种方法的用法，区别和实现。

我们在提交手稿时只需要照着期刊给定的模板写即可，但有些出版社在初稿提交和终稿出版时会给出不同的模板，这种情况下，论文很难完成一模一样的表现形式。为了克服这一困难，就不得不从 Latex 底层库开始摸索，这篇博客就从参考文献格式将起，我们通过个性化设置 bst 文件来控制参考文献格式。

循环神经网络（Recurrent Neural Network, RNN）是一种处理时序型输入的神经网络。它被广泛应用在语音识别、机器翻译、人名识别、文本生成等任务上。RNN 存在多种变体，如 LSTM，GRU，BRNN，深层 RNN 等，这些网络能够较好的提升 RNN 在不同问题上的效率和效果。