热门
单身狗好处之一就是不管排期多满的电影，想看哪场看哪场，因为总有落单的上座空出来~~~![[闭嘴]](http://img.t.sinajs.cn/t4/appstyle/expression/ext/normal/29/bz_org.gif "[闭嘴]")
智取威虎山赞一个~
智取威虎山赞一个~
房东姐姐的老公公居然是黄埔军校26期的~老人家在台湾居住多年，回到大陆小儿子这养病，可惜小儿子也忙，只能我这个房客陪陪老人家看看电视，唠唠嗑. 所谓的西式民主都是政党财团在操纵，大陆效仿只会天下大乱，老人家不只一次强调~
刺杀金正恩烂片一枚，选在圣诞节上映政治意图大于娱乐大众~
//@FreeBuf黑客与极客: → →//@起个名字真的难啊啊: 【我是搬运工】《刺杀金某恩》资源已出(1080p，2.83G)更新中英文字幕！ 两种方式DL： 1、bt种 http://t.cn/Rzssn40 密码: fva2 2、mega网盘： http://t.cn/RZvYTvX … p6UYmG_8dbpsW6xznmI 圣诞礼物，不谢
【《刺杀金正恩》被禁，但你也许能在BT上看到它】由于黑客组织GOP的再度威胁，索尼影视被迫撤消了原定于圣诞节当天上映《刺杀金正恩》的计划。但是索尼正在试图通过其他的途径上映这部“禁片”。详情：http://t.cn/RzsAkUK
有点吓人...//@丕子: 。。。
【控制别人的大脑】华盛顿大学的研究发现：两个人的大脑经过网络连接，一个人可以控制另一个人的大脑来玩游戏，太神奇了！“黑客帝国”的時代要来了？视频：|Brain-to-brain interface demonstration 英文原文：http://t.cn/RzuN7zX
其实是个好本子，演员也都给力，可惜啊。。。。还是看的莫名其妙。。
转发微博
#PRML读书会一周年#光阴似箭，一年前读书会开讲的情景记忆犹新。第一章Introduction由西安交通大学常象宇博士主讲，深入浅出的介绍了机器学习的基本概念、学习理论、模型选择、维灾等。对原始的讲课记录重新进行了整理，方便大家阅读：|PRML读书会一周年 Introduction.pdf
转发微博
#PRML读书会一周年#第二章Probability Distributions的贝塔-二项式、狄利克雷-多项式共轭、高斯分布、指数族等很基础也很重要。出于各种原因我前后讲了三次，直到比较满意为止，在原纪录的基础上修改和增加了一些内容，分享给大家：|PRML读书会一周年 Probability Distributions.pdf 另下周二将发布整理后的第三章记录，会很精彩。
转发微博
#PRML读书会一周年#理解机器学习莫过于从最基础的线性模型开始，第三章 Linear Models for Regression由西北大学planktonli老师主讲，介绍了线性基函数模型、正则化方法、贝叶斯线性回归及其与核函数的联系等内容，为后面几章打下了良好基础。重新整理了原始记录，精彩不容错过：|PRML读书会一周年 Linear Models for Regression.pdf
转发微博
#PRML读书会一周年#第五章Neural Networks由网神@豆角茄子麻酱凉面 主讲，精彩内容有：神经网络做回归和分类的训练目标函数、BP误差后向传播的链式求导法则、正则化、卷积网络等。 |PRML读书会一周年 Neural Networks.pdf
转发微博
#PRML读书会一周年#第七章Sparse Kernel Machines由工业界高手‘网神’@豆角茄子麻酱凉面 主讲。主要内容：推导了支持向量机（support vector machine）的Dual Representations；由KKT条件说明了解的稀疏性；为提高泛化能力增加松弛变量后的SVM；最后是加了先验有更稀疏解的RVM。|PRML读书会一周年 Sparse Kernel Machines.pdf
转发微博
#PRML读书会一周年#第九章Mixture Models and EM的整理版本，主要内容有：Kmeans算法；混合高斯模型以及EM（Expectation Maximization）算法在GMM中的应用；一般EM算法性质的推导和证明。 |PRML读书会一周年 Mixture Models and EM.pdf
转发微博
#PRML读书会一周年#第十章的主要内容是变分推断（Variational Inference），由中科院自动化所@戴玮_CASIA 博士前后分三次讲完。精彩内容有：为什么需要近似推断、变分推断用到的KL散度、根据平均场（Mean Field）思想的分解以及迭代求最优解的推导，最后用了三个例子来加深理解|PRML读书会一周年 Variational Inference.pdf
转发微博
#PRML读书会一周年#第十一章的主要内容是MCMC（Markov Chain Monte Carlo），包括：马尔科夫链平稳分布的定义及其充分条件：细致平稳条件的证明；Metropolis-Hastings及其接受率满足细致平稳条件的推导，接受率恒为1的Gibbs Sampling；最后是Slice Sampling、Hamiltonian MCMC。|PRML读书会一周年 Sampling Methods.pdf
转发微博
#PRML读书会一周年#第十二章连续隐变量，由中科院自动化所@戴玮_CASIA 博士分三次讲完。精彩内容有：从最大方差和最小重构误差两个角度解释了PCA；包含连续隐变量的概率生成模型PPCA，其最大似然闭式解的推导以及EM求解方法；核PCA的变换；最后介绍了Autoencoder、非线性流形思想|PRML读书会一周年 Continuous Latent Variables.pdf
正在加载中，请稍候...