文件夹遍历和文件遍历# 遍历文件夹和文件，返回文件的路径和对应的文件的名称，同时可以根据自己的应用需要进行更改def get_img_file(file_name):imagelist = []for parent, dirnames, filenames in os.walk(file_name):for filename in filenames:if filename.lower().end

本节终于来到了重头戏受限玻尔兹曼机，为了能深入理解本节，我们深入讲了很多基础知识，这些基础知识很重要，是理解本节的基础，同时也是你学习其他算法的基础如强化学习、自然语言处理等。本节的安排是先对比一下受限玻尔兹曼机和玻尔兹曼机的区别，然后使用形式化语言讲一下学习过程和使用过程，最后 我们在逐一展开详细讲解，本节需要大家有点数学和概率论的基础当然矩阵知识也是需要一点的，这里的快速学习算法是CD（对比散

上一节我们从Hopfield神经网络存在伪吸引子的问题出发，为了解决伪吸引子带来的问题，详细介绍了模拟退火算法，本节也是基础性的讲解，为了解决伪吸引子还需要引入另外一个重要概念即：玻尔兹曼分布。本篇将详解玻尔兹曼分布，但是还是先说说为什么要引入玻尔兹曼分布，因为为了解决Hopfield神经网络的伪吸引子的问题，引入模拟退火算法和玻尔兹曼分布，下一节将在Hopfield神经网络中加入这两个算法，组合

       前面几节我们详细探讨了BP神经网络，基本上很全面深入的探讨了BP，BP属于前馈式类型，但是和BP同一时期的另外一个神经网络也很重要，那就是Hopfield神经网络，他是反馈式类型。这个网络比BP出现的还早一点，他的学习规则是基于灌输式学习，即网络的权值不是通过训练出来的，而是按照一定规则计算出来的， Hopfield神经网络就是采用了这种学习方式，其权值一旦确定就不在改变，而网络中各

谈决策树之前先做一些预备性知识：1.什么是信息？如何衡量信息的多少？怎么衡量？     信息：从广义上讲，是事物运动时发出的信号所带来的消息，是事物存在方式和运动规律的一种表现形式。不同的事物具有不同的存在方式和运动规律，从而构成了各种事物的不同特征。信息普遍存在于自然界、社会界以及人的思维之中，是客观事物本质特征千差万别的反应。信息分为两大类：自然信息与社会信息。    消息：消息是...

在讲解MCMC和Gibbs采样之前，大家需要理解统计学中的采样，什么是采样？为什么要采样？采样有什么用？大家需要深入理解采样的原理，深入理解的好处不仅容易理解下面的MCMC和Gibbs采样，也更容易掌握统计学中的一种重要的统计手段，这个技术在现代统计学中很重要，因此掌握它以后在遇到采样也不用怕了，因为一旦深入理解了，无非是更好的采样方法吧了，其本质不会变，我在刚学的时候，就被这些搞得云里雾里，这次

上一节我们讲了线性回归的一元线性回归和多元线性回归，其中多元线性回归在求解的过程中又分为满秩和非满秩的情况，进而引出了的最大释然估计进行处理，后面详细的对回归误差进行了分析，最后误差来源于平方偏置、方差和不可消除的误差三个方面，详细对比了前两个的关系，然后我们又引出了正则化回归，其实就是岭回归，原因也简单的提了一下，本节将详细的对此进行分析，吃透原理，在遇到问题时才知道如何处理它，废话不多说，下面

这里主要介绍使用cmake进行install方面的操作：通过cmake可以 安装的内容可以包括目标二进制、动态库、静态库以及文件、目录、脚本等，下面分别进行简述一下：细节可以参考官网，这里简单描述一下1.目标文件的安装install(TARGETS targets... [EXPORT <export-name>][RUNTIME_DEPENDENCIES args...|RUNTIM

#include<iostream>#include<string>#include<chrono>voidRun(){for(inti=0;i<1000000000;++i){}}intmain(){autobeforeTime=std::chrono::steady_clock::now();Run();autoafterTime=std::chron

如果上面的话理解起来有些晦涩的话，我个人的理解是：定义一个待匹配的核，其中核内元素值为1，表示该位置需要匹配前景（白色）；使用该核对源图像扫描后，若匹配上述规则，在锚点位置记为255(非0)，若不匹配，则锚点位置记为0，最后得到的结果就是输出图像。总结一下击中和击不中，简单来说这个形态学操作就是选择你想要的形状，例如二值化后有很多的点，如果我只想保留符合要求的形状的二值化，此时该操作很有效，你可以