其他

一、前言 本文是《智能對話機器人實戰開發案例剖析》系列文章的第三部分，第2篇：基於知識圖譜的智能問答機器人關鍵技術。相關內容已錄製成視頻課程，課程地址：網易雲課堂 配套開源架構代碼已上傳至Github：kgRobot，如需參與項目開發請聯絡作者QQ群：149933712. 二、本文 2.1 核心思想 通過自然語言處理，把使用者輸入的問題，基於規則映射模型，轉換為知識圖譜查詢語言：question2sparql。 2.2 工作流程 工作流程如下圖所示： 2.3 關鍵技術

從形式上看，方差分析是比較多個總體的均值是否相等，但從本質上它所研究的是變數之間的關係。在研究一個（或多個）分類型自變數與一個數值型因變數之間的關係時，方差分析就是其中的主要方法之一。 1 方差分析引論 隨著增加個體顯著性檢驗的次數，偶然因素導致差別的可能性也會增加（並非均值真的存在差別）。而方差分析則是同時考慮所有樣本，排除了錯誤累積的機率，從而避免拒絕一個真實的原假設。 1 方差分析及其有關術語 方差分析（analysis

分布式訊息系統作為實現分布式系統可擴充、延展性的關鍵組件，需要具有高輸送量、高可用等特點。而談到訊息系統的設計，就迴避不了兩個問題： 訊息的順序問題 訊息的重複問題 RocketMQ作為阿里開源的一款高效能、高輸送量的訊息中介軟體，它是怎樣來解決這兩個問題的。RocketMQ 有哪些關鍵特性。其實現原理是怎樣的。 關鍵特性以及其實現原理 一、順序訊息 訊息有序指的是可以按照訊息的發送順序來消費。例如：一筆訂單產生了 3

Multinomial distribution 將二元分布的二元情況擴充到多元，即可得到對應的多元分布。 首先先將伯努利分布擴充到多元假設對於離散變數 x x，可能有 K K個取值，那麼 x x一次的觀測值被表示為一個向量，且滿足 ∑Kk=1xk=1 ∑k=1Kxk=1，僅有一個維的值為 1 1，其它都為 0 0。 故 x x的機率品質函數為： p(x|μ)=ΠKk=1μxkk p(x|μ)=Πk=1Kμkxk μ μ也為一個 K

微博背後的那些演算法 引言 微博是一個很多人都在用的社交應用。天天刷微博的人每天都會進行著這樣幾個操作：原創、轉寄、回複、閱讀、關注、@等。其中，前四個是針對短博文，最後的關注和@則針對的是使用者之間的關係，關注某個人就意味著你成為他的粉絲，而他成為你的好友；@某個人意味著你想要他看到你的微博資訊。

一、Keras中提供了一個神經網路可視化的函數plot，並可以將可視化結果儲存在本地。plot使用方法如下： from keras.utils.visualize_util import plot plot(model, to_file='model.png') 註：筆者使用的Keras版本是1.0.6，如果是python3.5 fromkeras.utilsimportplot_modelplot_model(model,to_file='model.png')

Subsetting R Objects 取子集的三種基本方法 [ ：“單方括弧”返回的對象和原來相同，如向量的子集還是向量；也可用於在對象中選擇多個元素 [ [：“雙方括弧”僅可用於提取單一元素，並且用來提取列表或者資料框中的元素，但是，由於列表或者資料框中的元素類別不唯一，因此它返回對象的類型不一定是列表或者資料框 $ ：“貨幣符號”是提取有名字的列表或資料框中的一個元素 （一）向量取子集 舉例 單括弧+數字索引： > x <- c("a", "b", "c",

R語言繪製熱圖——pheatmap pheatmap簡介: Pretty Heatmaps——Implementation of heatmaps that offers more control over dimensions and appearance. [plain] view plain copy

TensorFlow - Tensor理解與使用 flyfish 如何理解TensorFlow中的tensor tensor 張量 英 [‘tensə; -sɔː] 美 [‘tɛnsɚ] What is a Tensor? Tensors are simply mathematical objects that can be used to describe physical properties, just like scalars and vectors. In

把著段代碼複製（從e100開始，到最後的q）下來存為文字文件,命名為1.txt我存到d盤的　　在DOS下用“debug<d:/1.txt”命令 　　產生一個可執行程式。 　　進去是一個3D遊戲的旋轉介面，還有一段美妙的音樂，真是牛。。。 　　快去看看吧保證可執行，保證無毒。。。。。。   e100 33 f6 bf 0 20 b5 10 f3 a5 8c c8 5 0 2 50 68 13 1 cb e 1f be a1 1 bf 0 1 e11b 6 57 b8 11

用ROS開發好一個機器人後，在使用的時候每次都要先連上機器的網路再roslaunch太麻煩了，按產品的思路應該是按下電源鍵就OK才對。此外，若是還有上位機連著進行狀態監視，萬一主程式掛了，或者修改了程式要重新編譯運行，那上位機這邊的節點也要重新開一遍，太麻煩了吧。所以最好是在roslaunch之前單獨開好一個roscore，這樣修改下位機程式，上位機這邊就不用重新開也能工作了。那就意味著機器上電後，我們要分兩次ssh上去，一個開core，一個roslaunch。WTF。這種重複性的操作還是交給機

#coding:utf-8#__author__='wang'import

 Github下載完整代碼 https://github.com/rockingdingo/tensorflow-tutorial/tree/master/mnist 簡介

說到文字編輯器，我用 Sublime Text 已經差不多有三年了，也一直沒遇到什麼問題。在一兩年前，我嘗試過用 Atom，其活躍的社區 (GitHub。我超愛GitHub) 留給我很深刻的印象。Atom 的 UI 設計尤其吸引我，但我仍然堅持使用 Sublime Text 的原因就是因為效能問題：即使在 Atom 1.0 版本發布之後，Atom 還是太慢了。 這幾天，我在 Google 上搜尋 “Sublime Text vs Atom 2016” 的文章，想看看 Atom

轉自：http://www.xuebuyuan.com/2149290.html HSV顏色模型 HSV(Hue, Saturation, Value)是根據顏色的直觀特性由A. R. Smith在1978年建立的一種色彩空間, 也稱六角錐體模型(Hexcone Model)。 這個模型中顏色的參數分別是：色調（H），飽和度（S），亮度（V）。

Confusion Matrix, 混淆矩陣    一個完美的分類模型就是，如果一個客戶實際上(Actual)屬於類別good，也預測成(Predicted)good，處於類別bad，也就預測成bad。但從上面我們看到，一些實際上是good的客戶，根據我們的模型，卻預測他為bad，對一些原本是bad的客戶，卻預測他為good。我們需要知道，這個模型到底預測對了多少，預測錯了多少，混淆矩陣就把所有這些資訊，都歸到一個表裡：

Mybatis的優缺點 使用過mybatis架構後，對比之前使用的hibernate架構而言，個人覺得Mybatis優點還是挺多的，至少比hibernate簡單易用。 SQL語句與代碼分離 優點：便於管理和維護 缺點：不便於調試，需要使用日誌工具獲得資訊 JDBC——使用斷點調試 Mybatis——使用log4j調試 用標籤控制動態SQL的拼接 優點：用標籤代替編寫邏輯代碼 缺點：拼接複雜的SQL語句時，沒有代碼靈活，比較複雜 結果集與java對象的自動對應

對多個indices進行操作 es中大多resetapi支援要求多個index, 例如”test1,test2,test3”，index也可以使用萬用字元, 例如”test*“, 還可以使用+,-來包含或移除某個或某類index, 例如”test*,-test1” 支援設定多個的api的請求字串可設定以下參數: ignore_unavailable: 是否忽略單個index是否可用(不存在或關閉), true表示忽略, false表示不忽略, 預設為false,

一、登入163郵箱，在首頁上找到“設定”。 二、點擊“設定”，在下拉選項卡中選擇“POP3/SMTP/IMAP”，出現下圖所示的介面。可以看到要開啟SMTP服務就得先開通客戶授權碼。 三、點擊開通客戶授權碼後出現如下介面，勾選”開啟“選項。 四、如果你的163郵箱綁定了手機就會出現下圖所示的視窗，要求你輸入驗證碼。要是沒有綁定就需要先綁定手機再進行接下來的操作。

卷積神經網路(Convolutional Neural Network, CNN)是一種前饋神經網路, 在電腦視覺等領域被廣泛應用. 本文將簡單介紹其原理並分析Tensorflow官方提供的樣本. 一、工作原理 卷積是影像處理中一種基本方法. 卷積核是一個nxn的矩陣通常n取奇數, 這樣矩陣就有了中心點和半徑的概念. 對映像中每個點取以其為中心的n階方陣, 將該方陣與卷積核中對應位置的值相乘, 並用它們的和作為結果矩陣中對應點的值. 下面的動圖展示了卷積的計算過程: