主要分为：方法区、堆、虚拟机栈、本地方法栈、程序计数器，其中方法区和堆是线程共享的，其他的都是线程隔离的。方法区：主要存放类的信息、静态变量、常量、编译后的方法代码，永久代PermGen是方法区的实现，JDK1.8后永久代被移除换成了元空间Metaspace，元空间的本质和永久代类似，都是对方法区的实现。不过元空间与永...

1，一致性协议两阶段提交协议与Raft协议、Paxos协议①两阶段提交协议在分布式系统中，每个节点虽然可以知晓自己的操作时成功或者失败，却无法知道其他节点的操作的成功或失败。当一个事务跨越多个节点时，为了保持事务的ACID特性，需要引入一个作为协调者的组件来统一掌控所有节点(称作参与者)的操作结果并最终指示这些节点是否...

详细内容参考：《算法导论第二版-中文版》第644页内容一，基本介绍1，点覆盖问题属于NPC问题，目前还没有多项式时间算法精确地求解该问题。因而，下面介绍了一种近似解法，可以在多项式时间内找到点覆盖问题的一个近似解，该近似解有多么近似呢？最后证明该近似解不会超过精确解的两倍。 2，点覆盖的定义：对于图G=(V,...

在hankcs大神开源的HanLP里面提供了很多分词算法，其中有一个维特比算法分词，于是查了一些资料发现：维特比算法用来求解隐马尔可夫模型的第二个问题：给定一个模型和某个特定的输出序列，找到最可能产生这个输出序列的状态序列---参考《数学之美 隐马尔可夫模型章节》于是就寻找各种隐马模型的资料，发现了很多写得好...

本文介绍Stanford《FromLanguagestoInformation》课程中讲到的单词拼写错误纠正。背后的数学原理主要是贝叶斯公式。单词拼写错误纠正主要涉及到两个模型：一个是NosiyChannel模型，它是贝叶斯公式中的似然函数；另一个模型是LanguageModel，它是贝叶斯公式中的先验概率。 ...

在前面两篇文章中：机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测（1）机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测（2） 我们以抛硬币作为示例，介绍了如何使用概率论的方法来构造机器学习中的预测模型---通过概率论理论来求...

在机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测（1）文章中介绍了先验分布和似然函数，接下来，将重点介绍后验概率，即通过贝叶斯定理，如何根据先验分布和似然函数，求解后验概率。 在这篇文章中，我们通过最大化似然函数求得的参数r与硬币的抛掷次数(抛掷次数是10，求得的r...

一，本文将基于“独立重复试验---抛硬币”来解释贝叶斯理论中的先验概率、似然函数和后验概率的一些基础知识以及它们之间的关系。本文是《AFirstCourseofMachineLearning》的第三章的学习笔记，在使用贝叶斯方法构造模型并用它进行预测时，总体思路是：在已知的先验知识(先验概率分布...

在使用最大似然法来求解线性模型（3）-求解似然函数文章中，我们让logL对w求一阶偏导数，让偏导数等于0，解出w，这个w就是使logL取最大值的w那为什么令一阶偏导数等于0，求得的w就能够使logL取最大值呢？ 在高等数学中，对于一元可导函数f(x)而言，一阶导数f′(x)=0的点称为拐点。而拐点...

根据 使用最大似然法来求解线性模型（2）-为什么是最大化似然函数？ 中提到，某个随机变量tn的条件概率 服从均值为wT*xn，方差为σ2的正态分布。 现在假设有N个样本点，它们的联合概率密度为： 由于在给定了w和σ2的条件下，tn之间是相互独立的...

根据使用最大似然法来求解线性模型（1），待求解的线性模型如下式：tn=wT*xn+ξn第xn年的百米赛跑的时间tn，与两个参数有关：一个是w，另一个则是该年对应的一个误差值(noise)在求解w和 ξ之前，先观察一下误差值的特点： 误差有正有负，是一个随机变量。误差与年份无关，每一个年份...

$watch简单使用$watch是一个scope函数，用于监听模型变化，当你的模型部分发生变化时它会通知你。 $watch(watchExpression,listener,objectEquality);每个参数的说明如下：watchExpression：监听的对象，它可以是一个angular表达式如'na...

Dataflow编程模型和sparkstreaming结合 主要介绍一下Dataflow编程模型的基本思想，后面再简单比较一下Spark  streaming的编程模型 == 是什么 ==  为用户提供以流式或批量模式处理海量数据的能力，该...

2018-04-1519:53:45 JF_Ma 阅读数296更多分类专栏： 机器学习 深度|提升深度学习模型的表现，你需要这20个技巧（附论文） 2016-09-23机器之心选自machielearningmastery机器之心编译作者：JasonBrownlee参与...

lqfarmer深度学习研究员。欢迎扫描头像二维码，获取更多精彩内容。946人赞同了该文章Attention是一种用于提升基于RNN（LSTM或GRU）的Encoder+Decoder模型的效果的的机制（Mechanism），一般称为AttentionMechanism。AttentionMechanism目前非常流行...