网络共分为三层，输入层，隐层，输出层。单元数分别为N0N，N1N，N2N//头文件网络需要的数据结构#include#include#include "cv.h"#include "highgui.h"#include#include#include#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/objdet

flappy bird 为例子来讲看完这个我好像脑子里有个程序了 ：https://www.zhihu.com/question/26408259 小鸟飞例子-建模关键点：增强学习有三个要素：状态S，动作A，奖惩R的策略QS：d(x,y)表示小鸟离下一根柱子的距离和高度差A：飞一下 或者 不飞，两种可选动作Q（S+A->R）：为一个策略表，也称...

flappy bird 为例子来讲看完这个我好像脑子里有个程序了 ：https://www.zhihu.com/question/26408259 小鸟飞例子-建模关键点：增强学习有三个要素：状态S，动作A，奖惩R的策略QS：d(x,y)表示小鸟离下一根柱子的距离和高度差A：飞一下 或者 不飞，两种可选动作Q（S+A->R）：为一个策略表，也称...

傅里叶变换是把周期函数展开三角级数，即若干个三角函数的和。欧拉公式：通过欧拉公式可以将 三角函数形式的 傅里叶变换 转为 复数形式：上图的公式看起来不简洁，我们借助一些符号代换让上式看起来简单一些：Cn的求解，我们已经知道an、bn的求解方法为在对应周期上做积分，Cn和an、bn的关系的关系展开可以得到：归纳一下：遗留

关于深度学习的一些个人浅见：     深度学习通常是训练深度（多层）神经网络，用于模式识别（如语音、图像识别）；深度网络 指是具有深层（多层）网络结构的神经网络。     深层网络由于神经元多，参数多，拟合表现能力强，有表现欲解决复杂问题的能力。     但是深度网络存在很多局部最优解，深度网络的训练容易停留在局部最优上，初始参数的选择对网络最终收敛在那个位置有很大的影响。

转自：http://blog.sina.com.cn/s/blog_a1304cff0101aj29.html由于工作需要，我需要判断一篇文章是否是你喜欢的文章。    这涉及到文本分析，有一个简单的方法可供参考。向量空间模型（VSM）算法。    在该方法中，我们把一篇文章抽象成一个向量。    假设向量由n个词组成，每个词的权重是kn。假设文章D是你喜欢的文

pycharm是个不错的python IDE 单行注释：#，区域注释 '''注释部分 '''一、输入输出1 输出： print "hello, python"print3+2 < 5-7print " what is 3+2 ?",3+2my_name = 'huangzq' # parametermy_age = 35print "

语音识别：参考：https://www.zhihu.com/question/20398418一个音素通常都划分成若干个状态，比如3个。语音识别先分帧，若干帧语音对应一个状态，每3个状态对应一个音素。英文语音识别：把帧识别为状态（难）-》把状态组成音素-》把音素组合为单词语音合成：句子文本---断句注音韵律等前端处理---》音子+上下文合

flappy bird 为例子来讲看完这个我好像脑子里有个程序了 ：https://www.zhihu.com/question/26408259 小鸟飞例子-建模关键点：增强学习有三个要素：状态S，动作A，奖惩R的策略QS：d(x,y)表示小鸟离下一根柱子的距离和高度差A：飞一下 或者 不飞，两种可选动作Q（S+A->R）：为一个策略表，也称...

关于深度学习的一些个人浅见：     深度学习通常是训练深度（多层）神经网络，用于模式识别（如语音、图像识别）；深度网络 指是具有深层（多层）网络结构的神经网络。     深层网络由于神经元多，参数多，拟合表现能力强，有表现欲解决复杂问题的能力。     但是深度网络存在很多局部最优解，深度网络的训练容易停留在局部最优上，初始参数的选择对网络最终收敛在那个位置有很大的影响。