黄子毅

这是数学专栏的第一篇文章，数学专栏会记录我对数学相关的心得。 为什么数学专栏的名字叫 “数学之美” 呢？因为数学拥有逻辑自洽的美，反之，如果体会不到美，就会觉得很枯燥。 这次要介绍的手动算根号就非常能

根据万能近似定理、反向传播的理论铺垫，我们终于进入了实战阶段，让我们用 JS 写一个跑在浏览器的神经网络吧！ 在《实现万能近似函数: 神经网络的架构设计》这一篇文章我们讲过了对 Model Funct

为了对万能近似函数的每个参数求偏导，我们需要使用反向传播作为方法。 所谓反向传播，与之相对的就是正向传播。神经网络执行是从前到后的，这是正向传播，而为神经网络的各个节点求导，则需要从最后一个输出节点向

经过万能近似定理的铺垫，我们知道理论上如何实现万能近似函数了，接下来我们常识用 TS 实现它，不用任何库函数，只用最原生的代码编写所有逻辑。 再次强调，就像看再多全栈入门到精通也不如自己从零写一套博客

我们要找到一个 model function，通过调整它的参数，可以生成任何形状的函数，也就是说这个函数拥有无限的潜力。 我们的目标函数可能没有任何规律，如下图所示： 那么怎么样找到一个 model

机器学习想解决什么问题？答案是机器学习的野心很大，希望用机器解决一切人们期望解决的问题，比如文字/语音/图像识别、与人对话、完成科研任务等等，总之希望机器可以具备甚至超越人类智慧。 虽然现阶段机器学习

今天我们看一道 leetcode hard 难度题目：二叉树中的最大路径和。 题目 二叉树中的 路径 被定义为一条节点序列，序列中每对相邻节点之间都存在一条边。同一个节点在一条路径序列中 至多出现一次

今天我们看一道 leetcode hard 难度题目：编辑距离。 题目 给你两个单词 word1 和 word2， 请返回将 word1 转换成 word2 所使用的最少操作数。 你可以对一个单词进行

最近数据可视化领域开源了一套 VisActor 方案，虽然刚开源没多久，但产品矩阵已经颇有特色，我们可以从中学习一下数据可视化领域是如何设计顶层架构的，以及对未来 3-5 年可视化领域的发展规划。