新版Matlab中神经网络训练函数Newff的使用方法一、   介绍新版newffSyntax·         net = newff(P,T,[S1 S2...S(N-l)],{TF1 TF2...TFNl}, BTF,BLF,PF,IPF,OPF,DDF)Description newff(P,T,[S1 S2...S(N-l)],{TF1 TF2...TFNl}, BTF,BLF,PF,I

原文：https://sherlockliao.github.io/2017/07/10/backward/接触了PyTorch这么长的时间，也玩了很多PyTorch的骚操作，都特别简单直观地实现了，但是有一个网络训练过程中的操作之前一直没有仔细去考虑过，那就是loss.backward()，看到这个大家一定都很熟悉，loss是网络的损失函数，是一个标量，你可能会说这不就是反向传播吗，有什么好讲的

C语言里可以用printf(),%f来实现浮点数的格式化输出，用cout呢。。。？下面的方法是在网上找到的，如果各位有别的办法谢谢留下...iomanip.h是I/O流控制头文件,就像C里面的格式化输出一样.以下是一些常的:dec 置基数为10 相当于"%d"hex 置基数为16 相当于"%X"oct 置基数为8 相当于"%o"setfill(c) 设填充字符为c

原文（有删减）：http://blog.csdn.net/sinat_32547403/article/details/77162222相信最近有很多朋友都在Cousera上刷Ng的deeplearning课程，有时候会碰见的Cousera视频无法打开的情况，这里介绍一种改hosts的方法解决此问题（亲测有效）方法：首先进入hosts文件所在位置：C:\Windows\Syst

中文简单介绍:在机器学习中，（高斯）径向基函数核（英语：Radialbasis function kernel），或称为RBF核，是一种常用的核函数。它是支持向量机分类中最为常用的核函数。[1]关于两个样本x和x'的RBF核可表示为某个“输入空间”（input space）的特征向量，它的定义如下所示：[2]可以看做两个特征向量之间的平方欧几里得距离。是一个自

原文：http://blog.csdn.net/u014722627/article/details/60883185pytorch是一个很好用的工具，作为一个python的深度学习包，其接口调用起来很方便，具备自动求导功能，适合快速实现构思，且代码可读性强，比如前阵子的WGAN1 好了回到Unet。 原文 arXiv:1505.04597 [cs.CV] 主页 U-Net

1. LDA是什么线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判别（Fisher Linear Discriminant，FLD），是模式识别的经典算法，在1996年由Belhumeur引入模式识别和人工智能领域。基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样

大多数人接触 “语义” 都是在和文字相关的领域，或语音识别，期望机器能够识别你发出去的消息或简短的语音，然后给予你适当的反馈和回复。嗯，看到这里你应该已经猜到了，图像领域也是存在 “语义” 的。今天是 AI 大热年，很多人都关注与机器人的语音交互，可是有没有想过，将来的机器人如果不能通过图像来识别主人，家里的物品、宠物，那该多没意思。说近一些，假如扫地机器人能够机智地绕开你丢在地上的臭袜子

原文：http://blog.csdn.net/songrotek/article/details/42235097在模式识别中，我们会考虑到距离distance的问题，就是一个样本和另一个样本在空间中的距离。根据距离的大小来判断分类。那么，也存在这样的一类问题：我们只知道空间中的点（样本）的距离，那么怎么来重构这些点的相对位置呢？显然欧式距离是最直观的距离，那么我们就会想使用欧式距离来进行计算.

转载：http://blog.leanote.com/post/freewalk/Markdown%E8%AF%AD%E6%B3%95%E6%89%8B%E5%86%8C0. 目录0. 目录1. 斜体和粗体2. 分级标题3. 超链接3.1. 行内式3.2. 参考式3.3. 自动链接4. 锚点5. 列表5.1. 无序列表5.2. 有序列表5.3