机器学习之PCA关于降维算法的背景在许多领域的研究与应用中，通常需要对含有多个变量的数据进行观测，收集大量数据后进行分析寻找规律。多变量大数据集无疑会为研究和应用提供丰富的信息，但是也在一定程度上增加了数据采集的工作量。更重要的是在很多情形下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性。如果分别对每个指标进行分析，分析往往是孤立的，不能完全利用数据中的信息，因此盲目减少指标会损失...

在终端：pip install ipywidgets然后重启jupyter notebook即可

关于z3Z3 是一个微软出品的开源约束求解器，能够解决很多种情况下的给定部分约束条件寻求一组满足条件的解的问题（可以简单理解为解方程的感觉，虽然这么比喻其实还差距甚远，请勿吐槽），功能强大且易于使用，本文以近期的 CTF 题为实例，向尚未接触过约束求解器的小伙伴们介绍 Z3 在 CTF 解题中的应用。Z3 约束求解器是针对 Satisfiability modulo theories Pr...

今天看到一本书《人工智能本科专业知识体系与课程设置》，清华大学出版社出版的，由西安交大的老师们编写的，感觉里面的内容设置对于非人工智能科班出身的同学们会有一定帮助，能够了解自己哪些地方还有什么不足。但是要注意的是，这是给本科开设的课程，如果已经进入研究阶段了，一些通识性的、非必修的课可以视自身情况而决定是否有必要补上数学与统计课程群工科数学分析空间曲线的曲率与挠率实验环节：基于matlab软件的计

1wegt https://api.moeclub.org/GoogleDrive/1hmqKZcyyU9sdptJuz1vrAjh_qt3rrYiT后面的id换成你要下载的文件的id即可我用这一个办法就可以了其他的办法还有见：https://www.cxyzjd.com/article/weixin_41579863/114954332

我们先来看看CNN的架构传统的DNN（即Deep neural network，泛指一般的深度学习网路）最大问题在于它会忽略资料的形状。例如，输入影像的资料时，该data通常包含了水平、垂直、color channel等三维信息，但传统DNN的输入处理必须是平面的、也就是为一维的。比如使用DNN来分类MNIST手写数字集吗？其图像信息是水平28 pixels、垂直28 pixels、color c

今天看到一本书《人工智能本科专业知识体系与课程设置》，清华大学出版社出版的，由西安交大的老师们编写的，感觉里面的内容设置对于非人工智能科班出身的同学们会有一定帮助，能够了解自己哪些地方还有什么不足。但是要注意的是，这是给本科开设的课程，如果已经进入研究阶段了，一些通识性的、非必修的课可以视自身情况而决定是否有必要补上数学与统计课程群工科数学分析空间曲线的曲率与挠率实验环节：基于matlab软件的计

机器学习之PCA关于降维算法的背景在许多领域的研究与应用中，通常需要对含有多个变量的数据进行观测，收集大量数据后进行分析寻找规律。多变量大数据集无疑会为研究和应用提供丰富的信息，但是也在一定程度上增加了数据采集的工作量。更重要的是在很多情形下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性。如果分别对每个指标进行分析，分析往往是孤立的，不能完全利用数据中的信息，因此盲目减少指标会损失...

近一个月在做实验的时候光顾着截图一个最后的结果，没有给保留代码等，这篇博客里是最近一个月做的一些小实验。后续发实验类的博客的时候尽量把必要背景知识、代码等加上。这次就先勉强看看吧在生成领域，自编码器是GAN的前身，今天用VAE在MNIST做了生成实验，图1是10个class到latent space的投影，从投影就可以看出，同一类会尽量分在一起，说明latent space是很好的表示。图2是解码

线性回归（Linear regression）是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为一元回归，大于一个自变量情况的叫做多元回归。。多元线性回归模型的一般形式其中，Y为因变量，X为自变量，上式中共有k个自变量和一个常数项。如果自变量经过标准化处理，则上式没有常数...