本次笔记参考 Stein Shakarchi 1 Fourier Analysis 218页到223页的内容，下文只证明了 ZNZ_NZN​ 中的傅里叶变换，更一般的，在 Abel\text{Abel}Abel 群中的傅里叶变换可以参考此书。 DFT 与 IDFT DFT:Discrete Fourier Transform 离散傅里叶变换 IDFT:Inverse Discrete Four

使用Samba可以非常方便地将Linux上的文件夹共享到其他设备上，Ubuntu的共享方法非常简单，参考官方文档，我使用的Ubuntu版本为22.04LTS。 Windows使用Samba共享文件夹可以参考：Windows 10 Samba文件共享的设置方法，解决不能访问和密码错误的问题 安装Samba sudo apt update # 更新软件源 sudo apt install sa

adb&waydroid常用命令 waydroid官方参考文档，adb速查表 adb常用命令 adb devices ：列出当前连接的设别（当连接设别数目大于1个时，使用 adb shell 控制命令需要加入 -s 设别号 指定控制的设备） adb connect <IP:port>：使用 adb 连接当前 ip 对应的Android设备。例如：使用 waydr

ffmpeg常用命令 以下代码可在Linux上测试通过，参考：GitHub awesome-cheatsheets - 中文速查表，JiaHe’s Blog - FFMPEG CHEATSHEET (中文速查表) 可以从 Sample Videos 网站上下载视频进行测试。 基础参数 ffmpeg是一个在shell中对视频进行处理的工具，包含以下基础参数： -i <input>

端到端的机器学习项目实例 《机器学习实战：基于Scikit-Learn，Keras和TensorFlow》中第二章内容，英文代码可参考github - handson-ml2/02_end_to_end_machine_learning_project.ipynb 下面内容对应的Jupyter Notebook代码位于github：2.end_to_end_machine_learning_pr

MNIST 数据集进行分类 《机器学习实战：基于Scikit-Learn，Keras和TensorFlow》中第三章内容，英文代码可参考github - handson-ml2/03_classification.ipynb 下面内容对应的Jupyter Notebook代码位于github：3.classification.ipynb 数据集导入 使用Scikit-Learn中的 sklea

机器学习中的线性模型 以下内容是在《机器学习实战：基于Scikit-Learn，Keras和TensorFlow》中第四章内容基础上进行的总结. 模型原理 基本定义 我们默认向量均为列向量，用小写字符表示向量，大写字符表示矩阵. 假设训练集中总共有 mmm 个样本，第 iii 个样本对应的特征和标签记为 (x(i),y(i))(\boldsymbol{x}^{(i)}, y^{(i)

通过三天的折腾，总算把神经网络的C代码写出来了（用C写纯属因为我对它更熟悉一些，虽然现在基本人工智能算法都是Python写的，但C++快呀😆）（主要还是对Python不熟练，以后有时间应该用Python重写一遍），代码270行左右（对自己也是一次对代码熟练度的训练），使用BP(Back Propagation)神经网络，学习算法为随机梯度下降法 支持多线程学习（保证跑满CPU，GPU算法还

感知器（英语：Perceptron）是Frank Rosenblatt在1957年就职于康奈尔航空实验室（Cornell Aeronautical Laboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。（From：Wiki-感知器） 感知器可以理解为神经网络中的一个“神经细胞”，在这里我们研究是最简单的神经网络问题，只有一个感知器的情况，

循环神经网络 简介 循环神经网络（Recurrent Neural Networks, RNN）是对前馈型全连接神经网络的改进. 全连接神经网络的输入维度在确定网络结构的时候已经固定，而且当特征之间具有的潜在关联性也无法解决. 循环神经网络支持输入任意长度的特征，并且可以通过处理特征之间具有的关联性，这也称为神经网络的记忆力. 一般的RNN具有短期记忆力，使用门控机制（Gating Mecha