【semantic】如何理解 web 語義化?

http://www.zhihu.com/question/20455165顧軼靈,百度前端工程師 http://Lync.in什麼是語義化?其實簡單說來就是讓機器可以讀懂內容。先隨便扯扯。對於當前的 Web 而言,HTML 是聯絡大多數 Web 資源的紐帶,也是內容的載體。在 Web 被剛剛設計出來的時候,TimBerners-Lee 可能不會想到它現在會達到的規模以及深入到我們生活的那麼多方面。也許起初的想法很簡單:用來發布 Web內容和資源的索引,方便人們查看。但是隨著

【bayes】貝葉斯likelihood和model

1)Likelihood最大似然估計提供了一種給定觀察資料來評估模型參數的方法,即:“模型已定,參數未知”。簡單而言,假設我們要統計全國人口的身高,首先假設這個身高服從服從常態分佈,但是該分布的均值與方差未知。我們沒有人力與物力去統計全國每個人的身高,但是可以通過採樣,擷取部分人的身高,然後通過最大似然估計來獲取上述假設中的常態分佈的均值與方差。    最大似然估計中採樣需滿足一個很重要的假設,就是所有的採樣都是獨立同分布的。下面我們具體描述一下最大似然估計:   

【logistic】logistic regression

根據Andrew Ng的課程,h(x,theta) = P(y=1 | x, theta),就是表示機率Logistic regression (羅吉斯迴歸)是當前業界比較常用的機器學習方法,用於估計某種事物的可能性。比如某使用者購買某商品的可能 性,某病人患有某種疾病的可能性,以及某廣告被使用者點擊的可能性等。(注意這裡是:“可能性”,而非數學上的“機率”,logisitc迴歸的結果並非數

機器學習筆記:Gradient Descent

  最近掉進了Machine Learning的坑裡,暑期聽完了龍星計劃的機器學習課程,走馬觀花看了一些書。最近找了Stanford的Machine

【semantic】本體和語義網的研究方向

研究方向:1 本體建模:本體定義元模型、本體可視化建模,模型到本體的轉換..2 本體學習:本體抽取、形式概念分析、自然語言處理..3 本體儲存:RDF/OWL儲存、本體-關係映射、本體資料庫、物件導向資料庫、演繹物件導向資料庫4 本體查詢:RDF查詢語言、本體查詢語言...5 本體推理/描述邏輯:描述邏輯推理、描述邏輯擴充及其推理...6 本體映射:本體映射API、本體映射語言、本體對齊、本體調和...7 本體模組化:本體分段、模組抽取、分布式推理..8 本體評估:方法、標準、評估結果的應用..

機器學習筆記:Logistic Regression

  Logistic Regression演算法非常著名,據說在工程實際中用得非常多。作為菜鳥一隻,我在dragonstar課上第一次耳聞,由於Yu Kai老師講得快,當時沒怎麼搞懂。今天聽了CS229的課,找到了牛人的筆記和程式,才算略懂一點。  Logistic Regression是一種迴歸演算法,它跟Linear Regression迴歸有一定的不同。它的y服從Bernoulli分布、取值為0或1的離散隨機變數,而Linear

CString與LPCWSTR的轉化

問題起因:        在寫WritePrivateProfileString寫.ini設定檔時在msdn中看到,如果想要寫得配置資訊即時生效必須在之前使用WritePrivateProfileStringW來re-read一下目標.ini檔案,其原文如下:         // force the system to re-read the mapping into shared memory 

【phi】balance

 一、自身無法否則,自身很重要,而且是自主能控制的主體的基礎。二、家庭也無法否認其重要性,不論是對於個人還是社會。三、事業這是重點四、朋友雖然我自己心裡很想把它放在第一位,但事實在那兒。五、興趣呵呵。六、社會這是人類活動的基礎和實現。七、其他暫時想不出不在上面範圍內的東西。八、時間這是我最無法理解的,也是很神奇的。==============================some interesting topics:1、董C瑞炸碉堡2、。。 

機器學習筆記:Generative Learning

  一口氣看完了第五講。主要講了Generating Learning(產生學習演算法)。什麼是Generating Learning呢?Andrew Ng 先給出了Discriminative Learning(判別學習演算法)的概念,Logistic Regression就是典型的Discriminative

【bayes】貝葉斯估計與最大似然估計

http://qinshaoq.blog.ustc.edu.cn/?p=47 參考:http://www.swarmagents.cn/files/jake2010122162119.pdf 設資料為D,變數為x,決定機率分布的參數為μ似然函數:p(D|μ) {p(D|μ)=p(x1|μ)p(x2|μ)...p(xn|μ),若將μ看作變數,則為μ的函數,但這並非關於μ的分布函數,且沒有歸一化}後驗機率分布:p(μ|D) = p(D|μ)p(μ) / constant  

[學習筆記]將LinqToSql的連接字串寫在設定檔中

LinqToSql會把連接字串散落地寫在多個位置,並且編譯後就固定不可更改了。於是帶來了各種不方便。比如在一台機器上配置好的程式拿到另一台機器上,就不得不找出所有散落的連接字串,然後一一修改才能跑起來。大家一定很希望在使用LinqToSql時也能從設定檔裡讀取連接字串。下邊的技巧讓我們達成這個目的。1:在項目中添加一個LinqToSql類,假設名字為DataClasses1。 於是.NET會自動產生一堆東西:

DLL封裝:灌水一篇

  老闆的項目近期要驗收,它的模組要放在甲方的平台下測試,並跟多家單位進行PK,為了技術的保密性,必須對原始碼進行封裝,鄙人下午不幸被抓去幹這個活兒。  於是網上查了一些資料,搞明白了怎麼產生DLL、怎麼在程式中聲明介面。在被調用工程的標頭檔中這麼聲明:class __declspec(dllexport) module表示module類被匯出。在頂層調用這個module類的時候,這麼聲明:#pragma comment(lib,"module.lib").......class

【matlab】plot

plot2-D line plot Syntaxplot(Y)plot(X1,Y1,...,Xn,Yn)plot(X1,Y1,LineSpec,...,Xn,Yn,LineSpec)plot(...,'PropertyName',PropertyValue,...)plot(axes_handle,...)h = plot(...)1、設定座標字型(A)set(gca,'FontSize',12);2、設定x軸標記文字(B)xlabel('Frequency(Hz)','FontSize',14

幾種快排方法比較

1、以nStart的值作為閾值劃分,一次劃分後小於nStart的值在左邊,大於nStart的值在右邊,然後遞迴此過程void qsort1(long *sortArr, int nStart, int nEnd){int m = 0;long t ;int r ;if(nStart >= nEnd)return ;t = sortArr[nStart] ;m = nStart ;for(r = nStart + 1; r <= nEnd; r++){if(sortArr[r]

MFC程式解析命令列參數的相關問題:再灌水

  Boss的項目介面不符合甲方的規定,被打回來改。真是服了那幫人了,早不知道幹嘛去了,到驗收的時候才給出他們的介面,害我們苦逼地折騰。本來告知要在他們的平台上測試,後來又要我們自己搭示範平台,還非要從命令列給圖形化介面程式傳遞參數(尼瑪這幫nc,都圖形化介面了還用命令列搞)。不過這也不是啥大問題,在一般的控制台程式裡,主函數的參數是argc和argv,一般通過argv來傳遞程式需要的字串類型的參數。MFC程式則不同,沒有顯式地提供這種參數直接拿來用,需要特殊的函數去解析命令列。代碼如下:voi

機器學習小結:SVM

  第一次接觸SVM(支援向量機)還是四年前的事情了,那時用它做手寫體數字識別,參考了一些書和文獻,照著人家的步驟用Matlab敲出了PCA+SVM的代碼,識別率一般,90都沒上,不好意思跟人打招呼。最囧的是,後來參加一個面試,人家問我神馬是支援向量,我都答不上來。上了研究生,在各種模式識別和機器學習相關的課上,反覆學習了這一經典演算法,每次都有新的體會。藉此機會做一個總結。  SVM是一種線性分類器。它針對的也是簡單的有監督學習問題:給定m個樣本(x(i),

[譯]解決所有的數獨難題(下)

Peter

GTK Hello World

環境:Ubuntu 10.04LTS一 搭建開發環境安裝build-essentialsudo apt-get install build-essential安裝libgtk2.0-devsudo apt-get install libgtk2.0-dev二 編寫代碼功能:建立一個表單,表單上有個Label顯示當前的系統時間.檔案名稱:hello.c#include <gtk/gtk.h>#include <time.h>static GtkWidget *label =

[譯]解決所有的數獨難題(上)

Peter Norving寫的關於Python的文章,原文地址在這裡(http://norvig.com/sudoku.html) -------------------------------翻譯的分割線--------------------------------------- 解決所有的數獨難題在這篇文章中我會講解如何處理解決所有數獨難題的問題。答案非常簡單(主要思想大概一頁代碼,兩頁進行解釋),就是用了兩種思想:約束傳播(constraint propagation)和搜尋。

【bayes】貝葉斯學派和頻率學派

一、“探測儀,如果我問一個貝葉斯學派的統計學家如果……”“[擲]我是一個中微子探測儀,不是迷宮守衛。老實說,你是不是腦子壞掉了。”“[擲]...yes”迷宮守衛的梗:說迷宮裡有2條路,分別通向目的地和陷阱,路口各有一個守衛,一個只說真話一個只說假話,他們都知道路後面是什麼以及彼此說話的真假,這時你只能選擇其中一個人,問一個問題,如何確保走對路。http://www.xkcd.com/1132/================================================二、頻率

總頁數: 61357 1 .... 10431 10432 10433 10434 10435 .... 61357 Go to: 前往

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.