其他

養成好習慣 養成在固定時間、固定地點專心學習工作的好習慣。 如果可能，在進入學習或者工作狀態前做一些小儀式，比如擺個姿勢，戴上學習帽什麼的。就好像在運動前做準備活動一樣，給身體一個提示。讓頭腦做好準備 避免在學習前做什麼讓你興奮的事情。 在學習前，花幾分鐘平定思緒。 積極點，相信自己可以克服一切困難。循序漸進 花一點時間計劃一下準備做什麼。 把工作劃分成可控制的小塊，每次專心做好一塊。保持活躍

1．現在睡覺的話會做夢 而現在學習的話會讓夢實現2．我無所事事地度過的今天是昨天死去的人們所奢望的明天3．感到晚了的時候其實是最快的時候4．不要把今天的事拖到明天5．學習的痛苦是一時的 而沒有學習的痛苦是一輩子的6．學習不是人生的全部 但連學習都征服不了 你還能做什嗎？7．學習不是因為缺少時間而是缺少努力8．所有人的成功都不是偶然的9．無法避免的痛苦就去享受吧！10．早起的鳥兒有蟲吃11．成功並不屬於每個人12．時間在流逝13．今天流下的口水將變成明天流下的淚水14．像狗一樣學習

現在我開始當娛樂記者 ：）從今天開始 8g Knuth 老爹 傳說 Knuth 寫書寫文章的第一稿都是用鉛筆寫的。很多人不明白他為什麼不用鍵盤。其實原因是這樣，Knuth 曾經參加過一個訓練小秘的學習班，練習打字每分鐘 80 個詞以上。 到了後來，他發現他打字的速度大大高於他思考的速度，所以如果他用鍵盤，就會出現很多停頓。所以他決定用鉛筆，這樣可以與讀者的思考速度保持一致。 標 題: 八卦 Knuth (2) Knuth

我經常在 TopLanguage 討論群組上推薦一些書籍，也經常問裡面的牛人們搜羅一些有關的資料，人工智慧、機器學習、自然語言處理、知識發現（特別地，資料採礦）、資訊檢索 這些無疑是 CS 領域最好玩的分支了（也是互相緊密聯絡的），這裡將最近有關機器學習和人工智慧相關的一些學習資源歸一個類： 首先是兩個非常棒的 Wikipedia 條目，我也算是 wikipedia 的重度使用者了，學習一門東西的時候常常發現是始於 wikipedia 中間經過若干次 google ，然後止於某一本或幾本著作。

Reviewers give a score of between 1 and 10 for each paper. The program committee will interpret the numerical score in the following way: 10: Top 5% of accepted NIPS papers, a seminal paper for the ages. I will consider not reviewing for NIPS again

zz from http://news.mydrivers.com/1/138/138813.htmIBM近日發布一款開源智能編譯器Milepost GCC（GNU Compiler Collection），並宣稱這也是全球首款開源的智能編譯器，它可以自動學習如何最佳化嵌入式程式並大幅縮短軟體開發時間，所有使用者都可到Milepost官方網站下載Milepost GCC。 根據IBM的初步測試，IBM System P伺服器上運行Milepost

How to do research? Find a research point. Read new paper,such as ICCV,CVPR,PAMI.If you find some new idea,which can be made use of in your work,you can do it. Think it before you do it,analyze why you do it like that. If you have a problem,talk

總是聽到這兩個術語，但是又一直不清楚它們最本質的區別。今天花了一小點時間來徹底的弄清楚了。得到的結論如下：Discriminative Model是判別模型，又可以稱為條件模型，或條件機率模型。Generative Model是產生模型，又叫產生式模型。二者的本質區別是discriminative model 估計的是條件機率分布(conditional distribution)p(class|context)generative model 估計的是聯合機率分布（joint

如何找回快速啟動欄裡的ie表徵圖？ 這個問題第1個回答：找到IE快截方式,然後再拖入到快速啟動欄即可~!如果你IE快截方式找不到的話,在添加組件裡添加一個吧~!這個問題第2個回答：複製下面的命令到開始運行裡執行即可 %systemroot%\system32\shmgrate.exe OCInstallShowIE 如何找回快速啟動欄裡的顯示案頭表徵圖？

數學教學之根本目的應當是培養和提高學生處理實際問題的能力，為他們提供應用於其他學科的推理方法，而並不是單純地為了給學生提供某種求解具體問題的工具。                                    ——馬格納斯，菲力浦(Magnus，Phillp)                    Perry's Teaching of Mathematics (London, 1902), p.84.   

Maybe i only use those items:選擇以下工具箱即可   MATLAB Distributed Computing Engine 3.0  MATLAB 7.3  Simulink 6.5     模擬  Bioinformatics Toolbox 2.4       生物資訊學工具箱  （可選）  Control System Toolbox 7.1       控制系統工具箱  Curve Fitting Toolbox 1.1.6       曲線擬合工具箱 

之一 1。由點到面。選工作實踐中的疑點，熱點，由一個小枝節，檢索較全的文獻，一般近期的20

Simultaneous dimension reduction and regression or supervised dimension reduction (SDR) MethodsOutline:29 July 2009 KAI MAO, QIANG WU,FENG LIANG,SAYAN MUKHERJEE. Two models for Bayesian supervised dimension reduction. Presenter: Xinwei Jiang,

//在google中搜不到，用google學術搜尋一下就搞定啦 ****1.如何進行文獻檢索 我是學自然科學的，平時確實需要不少外文文獻，對於自然科學來講英文文獻檢索首推Elsevier，Springer等。雖然這些資料庫裡面文獻已經不算少了。但是有時還會碰到查不到的文獻，而這些文獻的資料庫我們所在研究所或大學又沒有買，怎麼辦？我基本通過以下向個途徑來得到文獻。 1.1．首先在Google

zz http://www.cnbeta.com/articles/89806.htm首先雅虎決定在其網站使用Bing搜尋引擎，這一策略暫時還不清楚是全面替代現有的雅虎搜尋，或者是僅僅在雅虎首頁使用。這一決定對於雅虎來說影響重大，這將會極大制約雅虎自有搜尋引擎的發展，換句話說假設一年以後微軟不和雅虎合作了，雅虎的搜尋是否能堪重用。

　　在統計學中，最大後驗機率(MAP) 估計可以用於未知參量的點估計，它和最大似然估計maximum likelihood (ML)的Fisher方法差不多，但是這裡的後驗機率的最大化是和先驗分布緊密相關的。故而MAP可以看作是ML估計的正則化。　　假設我們要根據觀測變數x估計參量 θ，並假設x的採樣分布是f，那麼基於θ的x的條件機率為 f(x | θ) 於是就有似然函數 ，估計         作為θ的最大似然估計。現在假設參數

一、綜合資源類1）科學網http://www.sciencenet.cn/bbs/ 2）http://bbs.ggstudy.com/index.php 狗狗學習社區3）http://www.soudoc.com/bbs/零點花園4）http://readfree.net/bbs/網上讀書園地論壇5）http://www.eimhe.com/bbs/美和學習線上6）http://www.mushui.net/bbs/木水***聯盟二、科研學術資源類1）http://www.ifstar.net/

zz from CnBeta在快速發展的網路資訊世界,人類生活面臨了巨大的改變.《自然》雜誌訪問此領域的一些專家,提出他們對未來十年資訊科技發展的預測,也描繪出一幅未來人類生活新景象. 布斯頓(Bill Buxton) 加拿大多倫多,微軟首席研究員 電子紙我同意克藍博格(Melvin

量子計算帶來超高速和超高效處理的可能性，搜尋引擎巨頭Google現在也出現在這個領域的風頭浪尖上。New Scientist說Google在過去的三年中一直都在研究一種可以自動識別和分類映像或視頻的量子演算法。量子計算主要關注在原子水平上發生的奇異物理現象。世界上很多研究小組都在為創造以qubits（量子位元）為單位儲存資訊的量子處理器而努力。它同時可以表示”經典”電腦的二進位中(0和1)邏輯，這意味著更有效地處理和儲存資訊的雙重可能性。

根據微軟亞洲研究院本周在新加坡會議上發表的研究論文顯示，微軟正在研究一項替代Google PageRank的演算法，BrowserRank。 微軟這種新的頁面評分機制從網站的用途和使用者的行為模式出發，對頁面進行評級。Google的演算法在目前仍是個謎，PageRank越高，搜尋結果越靠前，這種由電腦來處理的方式很客觀，但是使用者卻不清楚Google是怎麼給頁面評定的層級，而且開發人員也可能通過最佳化提高PageRank，這對於使用者來說是不公平的。