强化学习，Reinforcement Learning- An introduction，有限马尔可夫决策过程MDP，Bellman equation，Markov Decision Processes

强化学习，Reinforcement Learning- An introduction，有限马尔可夫决策过程MDP，Bellman equation，Markov Decision Processes

因果诊断，因果分析，DML，前门路径，后门路径，backdoor，frootdoor，Double Machine Learning，do算子，causal machine learning，CATE，ATE，混杂因子

原创文章转载请注册来源http://blog.csdn.net/tostq              EMCV即Embedded Computer Vision Library，是一个可在TI DM64x系列DSP上运行的计算机视觉库。其提供了跟OpenCV完全一致的函数接口（包括IplImage, CvMat，CvSeq等基本数据结构），通过EMCV，可以轻松的将OpenCV算法移植

【机器学习算法笔记】1. 回归器模型回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法。回归算法是统计机器学习的利器。常见的回归算法包括：最小二乘法（线性回归），逻辑回归，逐步式回归，多元自适应回归样条等。1.1 线性回归器所谓线性回归：对于一组输入值X=[x1,x2,…,xn]，存在输出y，为了代表输入与输出的函数关系，假定输出估计线性回归器所要求的问题：一元线性回归

SUSAN边缘及角点检测没有用到图像像素的梯度（导数），因为这个原因，所以即使在噪声存在情况下，也能有好的表现。因为只要噪声足够的少，没有包含到所有相似像素的点，那么噪声就可以被排除。在计算时，单个值的集合统一消除了噪声的影响，所以SUSAN对于噪声具有较好的鲁棒性。SUSAN是通过比较像素点邻域同其中心相似程度，所以也具有了光强变化不变性（因为像素点差别不会变化），及旋转不变性（旋转不会改变局部

角特征点检测是一种局部特征子，而局部特征子非常适合于图像匹配及识别（尤其是目标出现阻挡的情况），但问题是如何才能找到具有不变性的特征子（针对于旋转、仿射、光照、尺度等不变性特征）。

卷积神经网络是深度学习的基础，但是学习CNN却不是那么简单，虽然网络上关于CNN的相关代码很多，比较经典的是tiny_cnn（C++）、DeepLearnToolbox（Matlab）等等，但通过C语言来编写CNN的却比较少，本人因为想在多核DSP下运行CNN，所以便尝试通过C语言来编写，主要参考的代码是DeepLearnToolbox的内容，DeepLearnToolbox是用Matlab脚本编

摘要：主要介绍了基于曲线曲度的角点检测方法，不仅介绍了早期的曲度计算方法，还包括了CSS方法、CPDA方法、样条曲线参数估计曲度方法、协方差矩阵估计曲度方法等，最后还给出了针对这些方法最新的一些改进，如基于小波、基于多尺度乘积、自适应角度阈值、动态迭代ROS等等。一旦我们知道边缘每点的曲度，那么我们就能非常好的区分角点。通过计算曲线曲度或者可以衡量曲度的其它量，自然而然成为我们检测角点

摘要最近要发论文了，被知乎里人推荐使用论文编译软件（CTex、LaTex和Overleaf之类），瞬间感觉自己用Word简直Out了（书读少）。学校里也听说过LaTex，不过因为当时没怎么写过论文，所以对这么麻烦的软件（什么文字还可以编译！写文章就像编程一样！）要一直谨谢不敏，但是最近使用Word进行格式编辑时，实在是烦晕了，特别是表格设置，还有什么分栏跨栏之类，整得头都大了，于是便决定尝