本文主要整理下AI中最常用搜索算法, 包括BFS, A*

本文将从0用python实现一个scheme解释器.

scheme采用前缀表示法, 这点与之前接触的语言都不相同, 含高阶函数, 并且语法非常简单.

本文作为Ng机器学习课程的笔记, 其实开始渐渐续续的看过一些, 但是都是间断的看的, 没有系统性, 所以这次准备从头开始刷一遍, 同时包括习题.

本笔记已基本完成, PDF在此下载.

作为对校创知识的一个总结.

疲劳驾驶系统一共分为四个部分

1. 脸部检测
2. 眼睛跟踪
3. 哈欠检测
4. 低头检测

作为本书笔记. 大概一天1.5章

Some notes recorded during the learning data structure and algorithms

常见的数据结构(ADT)有, 链表, 栈, 队列, 有限队列和堆, 表(unique elements), 哈希表, 树(无圈的图), 图.

常见的算法有, 排序, 查找, 图, 字符串.

另一种划分

策略, 分治, 贪心, 动规, BFS, DFS, 模拟.

Analyse julia package’s source code to learn coding tips. Below are some notes.

1. Distances.jl
2. lightML.jl
3. lightOPT.jl
4. Optim.jl

一些机器学习tips的笔记, 可能会比较杂, 持续更新..

会看的书有

1. 统计学习方法 - 李航
2. 深入理解机器学习 - Shai
3. 机器学习 - Peter Flach

Because there is not a good label propagation library in julia, and LightGraph packages’s implementation seems useless, I have finished a basic implementation of label propagation algorithm in julia, which I will further optimize for high-performance computing.

My to-do list for this implementation includes

1. Utilize sparse matrix for speeding
2. Add some tricks that can be used to optimize the computing
3. Parallel computing feature

By the way, this implementation is actually quite quick now.

I have put my code in github.

本文作为网络科学学习的笔记

记录下对网络科学大概的整体认识

Resources used

我目前发现R和Python上有一些开源的不错的网络分析的库, 如igraph, epimodel, networkx. Matlab方面则有Brain connectivity toolbox, matlabGBL. 还有斯坦福的SNAP平台.

可视化工具则有Gephi和PAJEK.

数据库方面

• KONECT
• NetWIKI
• Stanford Large Network Dataset Collection

国际会议有

• NetSci
• European Conference on Complex Systems (ECCS)
• CompleNet
  Network Frontier Workshop

Books

网络科学导论 汪小帆
复杂网络算法与应用 司守奎
complex networks course
List of Resources for Complex Network Analysis

For GSOC, I am about to read through the julia language and master it’s high performance and parallel computing features.

There is a good article talking about julia Why am I Betting on Julia.

As a language designed for science computing.

What we care is

1. making it work.
2. making it fast.

I have divided this article into five sections recording the notes I write during the learning path.

话说这个学期基本都是没有什么目标的在学…基本在看机器学习和深度学习的东西, 但是一个学期过去了, 虽然没怎么去上课, 代码写了挺多的, 但是感觉到了最后没有收获太多东西, 绩点倒没有下降- -虽然这学期上课基本没听过讲…, 但是复习了一个月, 感觉代码水平又下降了(雾

作为此书的笔记, 全部代码在此

挑选比较值得记录的地方作为一个笔记吧

这是之前花一下午帮别人做的一个项目…收入600.

一个optical character recognition (OCR) system.
最后的结果如下

本文对最近使用simulink做的一些东西做一下总结, 虽然simulink的书看的还是比较多的, 但是由于本身没有做这方面的项目, 所以也没太实战, 最近用到有两个地方, 这里就总结一下.

前言

最近看SICP的时候愈发发现里面的思想和haskell的书籍路线基本很像, 两者都是从抽象开始, 包括

• 函数抽象 -> 递归/lambda/柯里化/高阶函数
• 数据抽象 -> 抽象数据/闭包/构造类型/通用型操作/模式匹配
• 状态处理 -> Monad/IO/流/对象

前言

………

自动控制原理线性系统的校正系统中, 计算串联校正装置的时候非常复杂..手算简直想死.

所以用matlab做了点微小的贡献…谢谢大家,code is here

本文为2048游戏 2D与3D版本的mathematica实现, code is here
2D情况


3D情况

本文作为贝叶斯方法与图模型学习笔记, 代码(https://github.com/memoiry/bayesian-methods-for-hackers)

图很好的解释了贝叶斯模型与贝叶斯公式, 在拥有先验知识的情况下, 接受外来数据(likelihood), 在此数据下形成后验概率.