好奇宝宝
本文是 MLA2017会议上周志华关于深度森林报告的一个笔记。本文的另一个 html 版本。周志华老师花了很大一部分时间谈了谈深度森林背后的一些思考，受益良多。会议 ppt 在 MLA官网。
首先，周志华回顾了深度学习的一些基本问题
Deep Learning =? Deep neural networks (DNNs)
当今的深度学习，当前几乎等同于深度神经网络(DNNs)。就是把神经网络的层数加深。周志华认为深度学习的内涵需要思考以下问题
对于神经网络，提升模型复杂度可以提高学习性能。当然，复杂度提高之后一方面容易出现过拟合，因此深度学习同时需要提升数据量。另一方面训练过程变得困难，因此需要很多 tricks 。
但是有一个基本问题就是，如何提升模型复杂度？
Read More.
HTTP2是HTTP协议的一个重要的改进版本，下午将博客更新到了HTTP2，感觉打开速度又些许提升。对于Apache2服务器来说，使用HTTP2操作并不复杂：
个人以为《Speech and Language Processing》是相当好的NLP教材，作者公开了电子版：https://web.stanford.edu/~jurafsky/slp3/。最近出了神经网络相关的新章节
本文是以文末参考文献[2]为主要参考的读书笔记，建议读者阅读参考文献[2],比本文高明多了。
由于wordpress的markdown转换不是很好看，可查看本文的另一个html版本。
指的是一个词典或者词库中的一个单词条目。表示了一个词的基本形式和大致的含义。譬如对于 sing、sung、sang，它们的 Lemma 都是 sing，carpets 的 Lemma 是 carpet。
Read More.
wordpress的markdown生成的格式不是很好看，本文另外一个html版 。
本文就是个读书笔记，建议读者阅读文末参考文献2和3，比本文不知高到哪儿去了。
被称为理性主义方法，主要依赖于人的总结。基于人工整理的 CFG （上下文无关文法，Context-Free Grammar） 规则，给出解决方案。
被称为经验主义方法，主要依赖于对数据的总结。从数据入手，利用统计机器学习方法解决问题。例如：通过自动学习得到PCFG（概率上下文无关文法），通过概率模型预测句法分析结果。
我们主要采用统计方法来进行机器学习。因此 统计自然语言处理的基本套路： – 问题形式化：将歧义问题转换成分类预测问题 – 语言的表示，建模：譬如n元模型 – 参数训练方法 – 有效的解码、推断
统计语言模型（Statistical Language Model）是一种History-based Model。 P(W)=P(w1w2…wn)=P(w1)P(w2|w1) 定义：统计语言模型是用来刻画一个句子（词串序列）存在可能性的概率模型
P(w3|w1w2)…P(wn|w1w2…wn-1)
该模型认为，语句中当前词是可以通过之前的词预测的。当然这个假设其实有些不切实际的，因为不可能总是通过过去的词预测将来的词。
Stream API是Java 8推出的新特性，眼看Java 9 (2017年7月份) 即将推出，为什么还来谈Stream呢？毕竟自从Java 8推出以来，关于流的具体使用的文章相当之多，因此本文也不打算重复描述Stream的使用方法，而是想谈谈很少被提及的一些基本问题。
不久前发现自己很久前的http request的代码里出了个大bug，接收服务器返回的数据时，因为自己定义并使用了一个可变byte数组，数组长度不足时会成倍增加，另外有个值记录真实长度，然而获取真实数组时我却返回了整个数组….导致数组长度总是1024的倍数，因为这个bug，某项目从服务器收取的文件的大小全是1024的倍数，平均每个文件多占用了25%的磁盘空间，总计400GB！
bug害人呐?
和同学讨论传递Function是否可以解耦写的代码，QQ讨论时没语法高亮就放博客了，一直忘删了。
Read More.
国内目前ipv6的墙好像还不高，基本只要dns解析正确就能访问某些404网站。出于访问Youtube的目的，因此去年写了一个批量解析Google域名并生成hosts的程序，Github连接 。其中还做了根据域名规则嗅探新的域名。程序写的很渣，一直没好意思写Readme。
目前有四万行，可看Youtube全站，基本上用个三四个月都不用更新，我一般都是遇到硬需求才会更新一把（譬如youtube很多视频访问不了了）。
hosts文本下载链接：https://padeoe.com/file/hosts
计算机图形学课两个课题之一，我的第一个选题其实就已经把第二次选题（图形分割）做完了，老师问我，那你还用第一次选题的RANSAC算法吧，结果脑子一热装了把逼“不不，我做最小割算法分割吧，学习新知识嘛”。
目标：不是将点云分成多个部分，而是将前景对象从背景点中分离出来
特点：