其他

以下內容來源自coursera上的machine learning，同時參考了Rachel-Zhang的部落格(http://blog.csdn.net/abcjennifer)梯度演算法有兩種：（1）batch gradient descent（批量梯度下降）（2）stochastic gradient

這是昨天的問題：RGB = imread('A.jpg');加入此時得到的RGB是uint8類型的三維數組。那麼imshow(RGB)，ok完全沒問題，得到的是原圖。但是imshow( double(RGB) )或者imshow( uint16(RGB) )亦或是imshow( single(RGB) )得到的都是全黑或全白的。搞半天，感覺可能是各種類型的範圍是不一樣的，因為對於grayscale image 就是不同類型有不同範圍【imshow(I,[low

以下內容來源自coursera上的machine learning，同時參考了Rachel-Zhang的部落格(http://blog.csdn.net/abcjennifer)上一節講了只有一個特徵的情況，下面聊聊多特徵的。（一）：多特徵的例子以及多特徵的的cost

 先說明一下在加電之前的這個軟硬體情況，這個三星公司根據ARM920T軟核生產的這個s3c2410整合了64M的sdram和64M的nandflash儲存空間。Vivi和UCOS都儲存在這個nandflash中，因為nandflash斷電後不會丟失資訊。這個VIVI是三星公公司為ARM系列晶片書寫的bootloader，用於開發階段，做系統的引導程式。VIVI存放在flash 0x00000000地址開始的地方，UCOS存放在flash

看了matlat中文論壇上的用動態神經網路預測時間序列http://www.ilovem http:// a http:// http:// tlab.cn/thread-113431-1-1.html（1）第一種基本知識需要知道訓練資料（training data）驗證資料（validation data）測試資料（testing

一開始，看到 STMFD sp！{R0-R5，LR}

AVI=aviread(‘***.avi’);產生以下的錯誤：Unable to locate decompressor Indeo5 to decompress video stream苦逼的看不懂英文，有道翻譯：沒有Indeo5的解碼器來解碼視頻流math論壇中也說是因為沒有相應的解碼器，利用aciinfo函數可以查看需要什麼解碼器，然後下載就行了。載來一個IV50-Indeo video 5.07解碼器

一、問題描述 Ø設B={1,2,…,n}是n塊電路板的集合。集合L={N1,N2,…,Nm}是這n塊電路板的m個串連塊。其中每個串連塊Ni是B的一個子集，且Ni中的電路板用一根導線串連在一起。不同的串連快可能包含相同的電路板。Ø設x是n塊電路板的一個排列，則電路板的排列密度Density(x)定義為跨越相鄰電路板插槽的最大連線數。Ø電路板排列問題要求度與給定的電路板串連條件(串連塊)，確定電路板的最佳排列，使其具有最小密度。 Ø問題空間：排列樹 Ø每個結點處Backtrack函數的計算時間：O(

今天在看ucosii 中關於刪除任務的函數 OSTaskDel 時看到  if (prio == OS_PRIO_SELF) {                                 /* See if requesting to delete self    */     prio = OSTCBCur->OSTCBPrio;                             /* Set priority to delete to current   */   

 直接開始說明ucos建立任務時的步驟：1，  初始化任務堆棧2，  初始化任務控制塊3，  把剛建立的任務設定為就緒態（即置位就緒表）上面提到的任務堆棧，控制塊，就緒表我們前面已經說過了，下面就直接看代碼。INT8U  OSTaskCreate (void (*task)(void *pd), void *p_arg, OS_STK *ptos, INT8U prio){    OS_STK    *psp;    INT8U      err;#if OS_CRITICAL_METHOD =

以下內容來源自coursera上的machine learning，同時參考了Rachel-Zhang的部落格(http://blog.csdn.net/abcjennifer)在講完了logisitc regression 和 linear regression的兩種常用方法後，考慮到一些弊端，我們需要進一步瞭解其他的機器學習方法，摘要：（一）（二）:是讓我們瞭解神經網路的一些基本概念;（三）（四）Neuronsand the Brain I &

1.數字訊號處理中基本的操作有產生序列（單位階躍序列，單位脈衝序列，正弦序列，指數序列等等），指數，正弦序列比較簡單，只需要簡單得公式輸入即可單位階躍，單位脈衝序列利用邏輯數組顯得比較好懂易於理解，如需要產生δ(n-n0)：x=（n==n0），階躍序列同樣的道理2.關於序列的一些列變化在處理訊號的過程中，會涉及到很多訊號處理，訊號相加（相乘），訊號反轉，訊號的尺度變換，訊號的移位，訊號的迴圈移位，訊號的線性（周期/圓周）卷積等等（1）訊號的相加(相乘):原則需要保持兩段序列的等長，即需要在某些地

 我是一名電腦系的學生，總想弄明白我們現在學的電腦到底是怎麼工作的。而整個電腦知識是一個龐大的理論體系，且是分為很多階層的，簡單說有硬體層，軟體層。而理解這些不同層次的知識的關鍵在於理解層次之間的借口，借口理解透徹了，那你就能把各層次的知識融為一體，這些知識也必然可以為你所用了。研究中介軟體最好的就是作業系統了，但是我們學習的作業系統課程太過於理論化和複雜化，學完了仍然不知所云，可以說大部分理科生學到的只是“文科”的作業系統。為了我們能真正理解一個作業系統的具體實現，我們就以一個小型嵌入式系統U

到這裡，公式就推導完畢了。看個例子明白點:希望可以將帶星號和帶加號區分開來下面是主要代碼：function [th,ll] = plotdots(x,y,z)% rows of X are training samples% rows of Y are corresponding 0/1 valueshold on;%% 畫原始點的圖for i = 1:size(x,1) if(z(i)==0) plot(x(i),y(i),'*'); elseif (z(i)==1)

補零的在很多時候都能用到，然而在不一樣的位置補零產生的影響是不一樣的。補零主要有前面補零，後面補零和中間補零。我們設原序列為x(n),前面補零後的序列為xq(n)  後面補零後的序列為xh(n)    中間補零後的序列為xz(n) ；四個序列的DTFT分別為X(jw),XQ(jw),XH(jw),XZ(jw)

 最近在看ucos

1.線性最佳化：   linprog函數的用法，具體可以help下。2.非線性最佳化：   fmincon函數[x,fval,exitflag,output,lambda,grad,hessian] =fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)fun的用法（1）直接引號內寫入方程式，如'-x(1)-x(2)+0.5*x(1)^2+0.5*x(2)^2'；（2）‘fun’，然後用function；（3）@fun,然後用function；（4）

 我在學習嵌入式作業系統UCOS時，有很大的迷茫之處，在於我不知道我用的工具到底幫我幹了些神馬工作。下面就說一下我當時的疑問：1：編譯器和連結器幹了些神馬？我現在也還沒能力知道它是怎麼乾的這些工作。以後慢慢來唄。但當時我連它幹了神馬都不清楚。2：它輸入的是來源程式，那他輸出的是什嗎？有格式嗎？是什麼樣子那？重重疑問。 ADS編譯器的目的是怎麼把進階語言編程能在ARM平台上直接啟動並執行東東。而我們的目的是看看他幹了些神馬,讓我們瞭解一下它以及他連結出來的東東是什麼樣子。對嵌入式整個工程開發做了哪

 基礎知識裡已經基本上講解了UCOS要生活的家（即硬體平台環境），還有就是為了讓進階語言寫的程式能變成在硬體平台上直接啟動並執行程式，編譯器都幹了些什麼。還有這個C語言啟動並執行環境問題，也就是從硬體和組合語言的角度去理解進階語言。 下面我們就從硬體加電到UCOS真正運行起來這樣一種思路講解一個嵌入式即時作業系統的實現原理以及它所包含的精髓。好了，現在就介紹一下我們所有的軟硬體設施和用到的所有的工具。 硬體：用的硬體平台是博創2410-S，而它用的核心是ARM920T軟體： VIVI