摘要

本节笔记主要记录梯度下降算法和最小二乘法的相同点和不同点，为了简单的理解和推导，我们暂只讨论一元线性回归下的梯度下降算法和最小二乘。从实现++代码上的最大不同就是梯度下降采用了迭代算法—预先给一个参数设置初始值，然后通过迭代和学习率实现线性方程直线的无限靠近理想函数。最小二乘采用了高中数学求凸函数（下凹）的最小值—即求导数为零的参数方程。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本文记录了1.10 hexo网页定制，要知道原作官方提供的hexo yeele网站的手机页面和电脑页面css布局和java页面交互的文本进行个性定制。第一部分，设置手机页面的 mobile-slider.styl 等文件， 里面的css文件。

第二部分是java交互界面的文件设置。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本文记录了1.9 hexo 实现本地图片加载，要知道原作官方提供的hexo-asset-image，根本不能满足自己的需要，所以这里是基于原作的代码进行修改实现，原作并未其提供的代码做出解释说明，本文将对更改后能实现本地图片加载的代码进行解释，并有针对性的对后来遇到问题的，或者可以给你们提供二次修改说明的解释并提醒。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

LRN(Local Reponse Normalization, 局部响应归一化), 该层中其作用类似DROPOUT和数据增强作为relu激励之后防止数据过拟合而提出的一种处理方法。

作用：

• [x] 有利于增加泛化能力
• [x] 做了平滑处理
• [x] 防止过拟合

LRN 层模仿生物神经系统的侧抑制机制，对局部神经元的活动创建竞争机制，使得响应比较大的值相对更大，提高模型的泛化能力。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

朴素贝叶斯方法是基于贝叶斯定理与条件假设的分类方法

• [1] 特征条件独立假设，求输入/出的联合概率分布d

• [2] 利用贝叶斯定理求出最大后验概率

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

极大似然估计,

• 摘要
  • 原理：
  • 举个例子
• 贝叶斯的参数估计
  • 先验概率的极大似然估计
  • 条件概率极大似然估计
• 参考

原理：

• 极大似然估计是建立在极大似然原理的基础上的一个统计方法，是概率论在统计学中的应用。

• 极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。

• 通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本节笔记主要记录ROS室内仿真环景的具体演示过程和

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本篇文章笔记总结来自网络和书本，引用部分都有来源，内容主要介绍最大熵相关实际应用搞得入门例子，很简单，但是能说明最大熵的原理相关。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本篇文章笔记总结来自网络和书本，引用部分都有来源，内容主要介绍隐马尔科夫HMM相关实际应用搞得入门例子，很简单，但是能说明隐马尔科夫HMM的原理相关。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。