原创 【機器學習】SVM核函數的計算

在【機器學習】推導支持向量機SVM二分類中,我們已經推導出線性核SVM的對偶優化問題:J=∑iαi−12∑i∑jαiαjdidjk(xi)Tk(xj)=∑iαi−12∑i∑jαiαjdidjK(xi,xj)subject to ∑

原创 【C++】BOOST ASIO 異步服務端代碼分析

參考資料:《Boost Asio C++網絡編程》第四章 這裏將對asio庫編寫的異步服務端進行解讀。異步服務端複雜很多。同步服務端簡單來說就是輪詢,一般用於業務測試。 主函數啓動 配置環境與客戶端一致。主函數: io_conte

原创 【C++】網絡編程小總結

這幾天抽空看了boost.asio,對網絡編程有個大概的瞭解,記錄如下: 網絡庫 C++常用編寫網絡項目的庫有ACE,boost.asio,libev,libevent,libuv,POCO,cpp-netlibe,等等。按照大衆

原创 【圖像處理】時域最小二乘逆濾波

空間域上,可以和頻域一樣進行卷積逆濾波操作。其方法是展開圖像爲一列,構建卷積模板矩陣,這樣卷積操作就變成了矩陣乘法。我們可以用最小二乘法來,已知卷積圖像和卷積模板來求出原始圖像。空間域最小二乘逆濾波是病態問題,缺點是卷積矩陣非常稀

原创 【C++】BOOST ASIO 異步客戶端代碼分析

參考資料:《Boost Asio C++網絡編程》第四章 這裏將對asio庫編寫的異步客戶端進行解讀。異步客戶端比同步客戶端更復雜。同步客戶端相對簡單,實用性不大,一般用於業務測試,基本就是一條線的邏輯代碼。 環境設置 asio客

原创 【C++】內外網連接原理與ASIO 代理

參考資料:《Boost Asio C++網絡編程》第五章 學會網絡編程之後,理所當然會有這樣的想法:在單位電腦上部署自己寫的服務段軟件,在家裏電腦上部署客戶端,從而遠程辦公。但是實際操作下來可以發現,兩臺電腦上的ip地址,根本不能

原创 【C++】BOOST ASIO 異步多線程服務端代碼分析

參考資料:《Boost Asio C++網絡編程》第五章 異步多線程服務端是可實際運用服務端軟件的最低要求,其用於解決如下基本問題:併發服務中,有用戶連接需要服務端執行耗時操作,同時不影響其他用戶連接工作。 一個顯然的想法是,爲每

原创 【C++】Boost.Serialization疑難解答:緩衝、動態數組等

工作中可能面臨如下需求: 將結構化數據,比如類,通過網絡傳輸到其他地方。 高成本計算得到的數據,要臨時保存到磁盤中,希望下一次讀取進來直接就是格式化好的數據;而不再需要一個個地讀取進來,在內存中重建構建數據結構。 我們可以用序

原创 【C++】MySQL8初始化疑難解答

MySQL是著名的開源關係數據庫,在網站建設、移動APP服務、雲計算、科學管理領域都有重要用途。無論以後從事什麼方向的IT工作,都要對MySQL有一定的瞭解。 MySQL最新版本號是8,官網提供了綠色包和安裝包下載。現在一般都會選

原创 【C++】Boost.Asio+Serialization 建立RPC demo(客戶端)

RPC服務(Remote Procedure Call),可以從客戶端要求服務端進行相關業務,從服務端獲取相應的答案,調用方法類似普通的函數調用。RPC在分佈式系統中的系統環境建設和應用程序設計中有着廣泛的應用,比如:分佈式操作系

原创 【C++】Boost.Asio+Serialization 建立RPC demo(服務端)

接上篇blog,RPC服務端主要設計兩個主要內容: 調用函數進行統一綁定。 調用函數參數展開。 統一接口的調用。 這裏我不考慮類成員函數綁定,遠程調用不好設計。 接收數據 服務端能接收的數據存放在char* readBuffe

原创 【C++】Boost開發指南閱讀感想

我找了半天的windows下的markdown編輯器,最後發現vs code就是最好的萬能編輯器!其他win編輯器的短板:公式都能打。 Boost是C++的準標準庫,極大豐富了C++的功能,其中有一些部分會在以後納入C++標準庫,

原创 【機器學習】擬牛頓下降優化方法-BFGS

  牛頓法是求解最優化,理論上最好最精確的方法,公式爲:xk+1=xk−f′(xk)f″(xk) ,原理是求解導數爲0的情況。如果xk 是一個高維數據,且函數f(x) 非常複雜,那麼求解1/f″(x) 就是很麻煩的過程。擬牛頓法的

原创 【機器學習】動手寫一個全連接神經網絡(三):分類

我們來用python寫一個沒有正則化的分類神經網絡。 傳統的分類方法有聚類,LR邏輯迴歸,傳統SVM,LSSVM等。其中LR和svm都是二分類器,可以將多個LR或者svm組合起來,做成多分類器。 多分類神經網絡使用softma

原创 【機器學習】動手寫一個全連接神經網絡(一)

  反向傳播神經網絡推導中給出了複雜的BP公式。從頭看這篇多年的博客的公式,我都有點被繞暈了。現在在這裏我可以從矩陣計算的角度去演示一個全連接神經網絡的計算過程,這樣更簡潔明瞭。   如上圖,是一個簡單的分類全連接神經網絡,