我要当学霸

redswallow
来自: redswallow (San Francisco Bay Area) 2013-02-07创建   2018-06-10更新

54人
8636 人关注
来自:豆瓣日记
GoodMorning 98人喜欢
一个复杂的生态系统和一个简单的生态系统,哪个会更稳定呢?许多人根深蒂固的观念就是生态系统越复杂就越稳定。至今我国中学课本还是这么写的,例如下面这幅截图: 在我之前一篇日志提起了stability of ecosystem的问题,也说起我对这个领域目前的方法有一点意见。在...
来自:豆瓣日记
Davies 300人喜欢
我和存储的故事要从 10 年前在豆瓣的工作开始。 2007 年的 8 月,那会豆瓣还只有 4 台机器,支撑每日三百多万的 PV ,存储也用的是单机的本地存储,条目的照片按照类别放在一个目录里,一百多万的小文件,即使用了对小文件支持很好的 reiserfs ,也已经没办法用 ls 或者 rsync 来访问或者备份了。 Web 服务器是 Ligh...
来自:豆瓣日记
GoodMorning 43人喜欢
看了自己的广播发现真是一点营养都木有。应该时不时写一些trivial的东西,算是科普,更多也是整理我自己的思路。写作能力是渣渣,望大家见谅。 Nature和Science呢,毫无疑问的最老牌也是科学界里知名度最高的顶尖期刊。别人总是批判说这些杂志啊,总想搞个大新闻。你看里面文章的标题,都大的不得了。《复杂生态系统的稳...
来自:blog.jobbole.com
1人喜欢
这是一篇学习笔记。学习的材料来自Jay Kreps的一篇讲Log的博文。原文很长,但是我坚持看完了,收获颇多,也深深为Jay哥的技术能力、架构能力和对于分布式系统的理解之深刻所折服。同时也因为某些理解和Jay哥观点吻合而略沾沾自喜。
回复
来自:mogu.io
0人喜欢
基于余弦相似性的指纹匹配算法在WIFI室内定位上的应用 作者:蓝狐 时间:September 22, 2014 分类: mogu.im 1、引言"求孤的坐标…" "谁看到月明了?" "独嘉坐在哪里,我TT登陆不了!" "有人看到我的土豪金了么?" "有谁看到我的手机了么,白色经典版vivo音乐手机~~"...
2回复
来自:豆瓣日记
Once 54人喜欢
对分网络即bipartite network,是一个属于复杂网络研究的对象。在这篇文章里,作者第一次把它引入到推荐系统的应用当中。依我来看,这是一种非正统的推荐方法,又是去年新发表的文章,兼且我对作者的思路也有一些了解,所以想拿出来介绍一下。 所谓正统的推荐方法,...
评语:bipartite network
回复
来自:豆瓣日记
木遥 101人喜欢
在学习了 @ENT 老师的当重复囚徒困境遇到自然选择一文后,我决定把这个关于囚徒困境和自然选择的试验自己亲手做一遍。 该实验的背景上文已有详述,我只择其要点重复一下:在面对囚徒困境时,人们可以设计出各种策略来应对,例如 ALLC(永远合作),ALLD(永远背叛)...
回复
来自:豆瓣日记
BohuTANG 9人喜欢
这里谈的“写优化”,是针对HDD(hard disk drive)的,宗旨就是尽量避免disk seek的产生。 首先拿AOF(Append Only File)和b-tree两个“端”谈起。 1) AOF 无论是随机写还是顺序写,在AOF里是没有什么区别,也是最快的。如果搞个坐标图,它的“江湖”地位就是: 它几乎...
评语:“写优化“的数据结构: buffered tree
回复
来自:豆瓣日记
飞林沙 142人喜欢
原文地址:http://blog.douban.com/douban/2013/07/04/2630/ 下面是修改前我的原文,文章为了更贴近用户,删除掉了一些具体的算法思路。这里粘一下原文,希望对大家有帮助。 ps:对比之下,我的文笔好差..... ---------------------------------- 一直以来,我都很想借助一个例子来说明一个算法的诞生过程,或者说是思考...
回复
来自:豆瓣日记
C6H5NO2 8人喜欢
这个topic是在几个月前PKU的一次讨论班上了解到的,可惜没有时间经常参加这样的讨论班。这里针对的文章是V. Chandrasekaran,P. A. Parrilo和A. S. Willsky最近在Annals of Statistics上发表的Latent variable graphical model selection via convex optimization。文章应该写好几年了,最近才正式发出来,并附有几篇dis...
来自:豆瓣日记
Ent 1793人喜欢
囚徒困境的故事太出名了,应该不用详细介绍吧……可能唯一值得说的是,如果令两个囚徒都合作的收益为R (reward),都背叛的收益为P (punishment),一方合作一方背叛则合作方得到 S (sucker)、背叛方得到T (temptation),那么一个经典囚徒困境必须是T > R > P > S. 不满足这个的就不是囚徒困境。 重复囚徒困境的故事这些年...
来自:豆瓣日记
[已注销] 49人喜欢
2013-05-08 12:46:28 大部分来自集智邮件列表。 少数自己补充。觉得很赞,备份待学。 + http://deeplearning.net/reading-list/tutorials/ 都是来自Bengio组的。 + Bengio主页: http://www.iro.umontreal.ca/~bengioy/yoshua_en/research.html 1 2篇paper 【1】Deep Learning of Representations: Looking Forward, Yos...
回复
来自:豆瓣日记
孔明 134人喜欢
原帖发表在我的博客:http://alexkong.net/2013/06/introduction-to-auc-and-roc/ ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣,对两者的简单介绍见[这里](http://bubblexc.com/y2011/148/)。这篇博文...
来自:豆瓣日记
砚均 36人喜欢
直接算会死人的。根据矩阵特点用不用的分解,写成几个例程,每次实验之前进行尝试,根据尝试结果在算法里决定里决定用哪个。 irst 我想问: 1.全阶矩阵A的求逆运算inv(A) 和稀疏矩阵B(阶数和a一样) 的求逆运算inv(B)是不是采取一样的方法啊?也就是说他们的 计算量是不是一样的啊?不会因为是稀疏矩阵就采取特殊的 方...
来自:豆瓣日记
小宇宙™ 27人喜欢
转自人人小站:数学的美学世界 在港科大拿到PhD,做的是Bioinformatics方面的东西。Bioinformatics这个领域很乱,从业者水平参差不齐,但随着相关 技术(比如Microarray, Genotyping)的进步,这个领域一直风风光光。因为我本科是学计算机电子技术方面的,对这些技术...
回复
来自:豆瓣日记
飞林沙 382人喜欢
文前声明:这篇文章没有一个观点是自己的,我只是把同事大牛的观点给汇总了起来。 接触算法到现在满打满算也就两年的时间,但是甚至就在两个月前我还处于拣起一篇paper就开始读,然后去实现他们的算法。然后去测试一下效果好不好。很久的时间下来,我都感觉自己其实没什么太大的进步,甚至感觉遇到了一个瓶颈。因为我觉...
来自:豆瓣日记
Dyton 6人喜欢
Hi, there! I am writing to share my collections of general advice and my standpoints on pursuing Ph.D. for those who are interested in top CS grad program in U.S.. Before entrees, you might enjoy the Graduate Student Resource Page and a serial of ...
来自:豆瓣日记
[已注销] 24人喜欢
大部分来自集智邮件列表。 少数自己补充。觉得很赞,备份待学。 + http://deeplearning.net/reading-list/tutorials/ 都是来自Bengio组的。 + Bengio主页: http://www.iro.umontreal.ca/~bengioy/yoshua_en/research.html 1 2篇paper 【1】Deep Learning of Representations: Looking Forward, Yoshua Bengio, Universi...
回复
来自:豆瓣日记
数据铺子 65人喜欢
索引 2014年5月17日 共135篇 1 统计版(34) 统计方法,模型,应用及统计软件 http://site.douban.com/182577/room/2177971/ R中统计检验(Test)总结贴(by 戌) http://site.douban.com/182577/widget/notes/12866356/note/281050230/ R中统计假设检验总结(二)(by 戌) http://site.douban.com/182577/widget/notes/1...
来自:豆瓣日记
Peppy Papers 2人喜欢
notes taken down by Vanessa.R Telling Experts from Spammers: Expertise Ranking in Folksonomies Michael G. Noll ACM SIGIR 2009 Conference SPEAR是Finding Better Experts/Friends的一种方法。 SPEAR,即SPamming-resistant Expertise Analysis and Ranking,...
评语:SNA 如何发现专家
回复
来自:豆瓣日记
通常,图像处理软件会提供"模糊"(blur)滤镜,使图片产生模糊的效果。 "模糊"的算法有很多种,其中有一种叫做"高斯模糊"(Gaussian Blur)。它将正态分布(又名"高斯分布")用于图像处理。 本文介绍"高斯模糊"的算法,你会看到这是一个非常简单易懂的算法。本质上,...
回复
来自:豆瓣日记
数据铺子 19人喜欢
#这是在整理金融统计系列厚尾分布中的一个想法:帕累托分布是值得大书特书的 1 帕累托和帕累托分布 帕累托(Vilfredo Pareto),意大利工程师,社会学家,经济学家,其中以经济学家的身份最为著名。帕累托在经济学中有几个非常重要的贡献:帕累托效率(Pareto effici...
评语:帕累托法则=80/20法则 属于厚尾分布 属于幂律分布 Mandelbrot不但贡献了Mandelbrot set 还有Zipf–Mandelbrot law!
回复
来自:豆瓣日记
Hao 18人喜欢
情感分析: 1. Mining and Summarizing Customer Reviews http://users.cis.fiu.edu/~lli003/Sum/KDD/2004/p168-hu.pdf 2. Movie Review Mining and Summarization http://research.microsoft.com/en-us/um/people/leizhang/paper/cikm06_movie.pdf 1. 该领域的奠基文章,介绍的方法简单易行,但是需要词性判别(提取描...
<前页 1 2 后页>

什么是豆列  · · · · · ·

豆列是收集好东西的工具。

在网上看到喜欢的,无论它是否来自豆瓣,都可以收到你自己的豆列里,方便以后找到。

你还可以关注感兴趣的豆列,看看其他人收集的好东西。

这个豆列的标签  · · · · · ·

redswallow的其它豆列  · · · · · ·  ( 全部 )