机器学习基础知识点文章目录机器学习基础知识点监督学习回归线性回归岭回归lasso回归分类k最近邻分类朴素贝叶斯分类logistic回归支持向量机其他随机梯度下降线性判别分析决策树无监督学习聚类k均值分层次聚类谱聚类高斯混合模型降维PCA降维LLE降维MDS和t-SNE独立成分分析等距特征映射谱嵌入深度学习（一些基本概念）一维卷积（离散）二维卷积（离散）padding反卷积（转置卷积）学习率反向传播

交替方向乘子法（ADMM）网上的一些资料根本就没有把ADMM的来龙去脉说清楚，发现只是一个地方简单写了一下流程，别的地方就各种抄，共轭函数，对偶梯度上升什么的，都没讲清楚，给跪了。下面我来讲讲在机器学习中用得很多的ADMM方法到底是何方神圣。共轭函数给定函数f:Rn→Rf: \mathbb{R}^{n} \rightarrow \mathbb{R}f:Rn→R，那么函数f∗(y)=max⁡...

在数据处理的过程中，为了标准的统一，我们往往要对数据进行归一化。大多数人觉得这比较简单，不就是形如(x-min)/(max-min)这样么。事实上，这样想是没错的。事实上，我们使用matlab的内置函数，来进行数据的归一化，在处理大量的数据时，会节省不少的时间。有内置函数用的，尽量用内置函数，可以减少不必要的时间消耗。举些例子来说明问题吧。clc;clearP=magic(4)T=[1 2 3

用深度学习求解高维偏微分方程简述：我们一般求解的传统的PDE维数也就二维三维，但是在其他领域中，比如说金融学，通过数学建模构建出来的PDE的维数及其之高，维数升高带来的“维数灾难”问题亟待解决。这篇文章，介绍了一种基于深度学习的方法，可以处理一般的高维抛物型方程。这篇文章，用反向随机微分方程构造PDE，并用神经网络近似未知解的梯度，来求解高维的偏微分方程。高维PDE的来源：1、量子多体问...

【深度学习入门基础】从深度学习和微积分的角度看神经网络这是深度学习入门系列文章，我们企图用最简洁的语言、最干净的表达，让读者快速获取到他所想要的。本系列文章持续更新。一些网上能查到的基础知识，诸如激活函数有哪些等，不再介绍。导言大多数介绍深度学习的资料，一开始就从生物神经元、轴突、树突、刺激等等讲起，本来很简单的东西，却被介绍得云里雾里。本文将从矩阵乘法和导数的角度入手，让你一下子 get 到什么

计算机如何建立远程桌面连接有的时候身在远方，想查看或者调用自己狗窝（宿舍或者家）里的机器的文件，怎么办呢？可以通过远程桌面登录自己个的电脑，利用剪切板的功能便可以实现文件之间的传送。当然，假如家里的电脑没开机，可以让别人帮你开一下机，不一定要登录进界面，但是一定要保证有网。通过上网查询，按部就班，感觉自己什么步骤都做了，但是蹦出下面这个界面：咋回事呢？我也不知道，只能再检查一下被远程的机子该

matlab的setfield函数是给结构数组的字段指定值的。有以下两种调用方式：s = setfield(s,'field',value)s = setfield(s,{sIndx1,...,sIndxM},'field',{fIndx1,...,fIndxN},value)第一种就不说了，第二种先看一个程序：grades = [];level = 5;semester = 'Fall';

vscode 远程连接 docker 容器进行 C++ 代码调试实践vscode 是可以利用远程的编译环境在本地进行打断点调试的。文章目录vscode 远程连接 docker 容器进行 C++ 代码调试实践服务器端创建容器并进行端口映射容器设置vscode 远程连接容器调试服务器端创建容器并进行端口映射docker run -it \--name abacus2 \--workdir /root

分布式优化和去中心化优化概述陆嵩中科院 数学与系统科学研究院 科学与工程计算国家重点实验室文章目录分布式优化和去中心化优化概述简介预备知识优化基础理论梯度下降方法（GD）Gradient Descent步长选取收敛率约束优化问题的拉格朗日乘数法次梯度算法图谱理论基础平均一致性问题模型问题梯度算法收敛性结果对于去中心化的梯度下降方法凸问题的 DGD 算法一些结论和讨论凸问题的较新方法ADMM（原始-

Matlab Simulink仿真工具的应用****Simulink是一个用来对动态系统进行建模、仿真和分析的软件包。使用Simulink来建模、分析和仿真各种动态系统（包括连续系统、离散系统和混合系统），将是一件非常轻松的事情。它提供了一种图形化的交互环境，只需用鼠标拖动的方法便能迅速地建立起系统框图模型，甚至不需要编写一行代码。由于Simulink具有强大的功能与友好的用户界面，因此它已