龙宁

浏览器有一个重要的同源策略，源=协议+主机+端口 大部分的跨域问题，都是通过代理解决的 要实现JSONP，需要浏览器和服务器配合 CORS：如果浏览器要跨域访问服务器资源，...

JS 为什么有很多让人抓狂的特性？ JavaScript 到底和 Java 有什么关系？ JS 是谁发明的? JS 的发明只用了一周？ 互联网厂商的爱恨情仇？(bushi)...

实验二 预备知识 D 命令后边可以接上 “段寄存器:偏移地址” 用来指定地址 E、A、U 这些可以带有内存单元地址的命令中，也可以用段寄存器表示内存单元的段地址 在 mov...

学习王爽老师的汇编语言之一。为了做实验一，先提供了相关文件的下载方式，以及讲述需要用到的 debug 命令以及其缩写的单词。然后详解实验一。...

React 原理&底层逻辑&源码探析 深入 React-Hooks 工作机制 只在 React 函数组件中调用 Hook 不要在循环、条件或嵌套函数中调用 Hook 强调这...

讲述了MCMC的基本步骤和涉及到的基本概念，以及求解的MH算法，并且从MH引出更易实现的吉布斯抽样，并且讲述了可能会遇到的一些困难。...

隐马尔可夫模型（Hidden Markov Model；缩写：HMM）或称作隐性马尔可夫模型，是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。...

本文介绍的是MCMC的核心，从平稳分布引入蒙特卡罗方法，并且从基本的马尔科夫链的类型与兴致开始讲起，为后文做好充分基础铺垫工作...

讲述了概率模型如何演化为优化模型的，引出了变分推断的公式，并且与广义EM对比，最后引出了随机梯度变分推断，并进行了总结。...

全面的介绍了EM算法的推导，证明了EM算法的收敛性，以及从KL散度和Jensen不等式两个方面导出EM的迭代公式。...

从高斯模型引入高斯混合模型，并且尝试使用极大似然估计和EM算法两个角度来求解高斯算法，展示了算法的全过程。...

本文介绍了一些概率图模型的推断方法，主要有变量消除法和信念传播法，并且引入了Max product与道德图，因子图等等...

本节主要讲述了概率图模型的基本规则，基本假设，以及要学习到的知识，从有向图和无向图两个角度举例，引出基本的Hand2hand，Tail2tail，Hand2tail，D划分...

对指数族分布的一般形式，以及配分函数，还有一些共有特征进行介绍，并且从高斯分布的角度描述质数组分布，以及讨论了充分统计量与对数配分函数和极大似然估计的关系，最后概括了最大熵...

Glove是LSA与word2vec取其优点结合而成的模型，更容易并行化，速度更快，本文从原理推导和代码实现两个角度介绍该模型。...