基本概念 我们从一个实例来了解机器学习的基本概念。假设我们现在面临这样一个任务(Task) ,任务的内容是识别手写体的数字。对于计算机而言，这些手写数字是一张张图片，如下所示：     对人来说，识别

　　浅谈贝叶斯 不论是学习概率统计还是机器学习的过程中，贝叶斯总是是绕不过去的一道坎，大部分人在学习的时候都是在强行地背公式和套用方法，没有真正去理解其**的思想内涵。我看了一下 Chalmers 一些涉

　　R-FCN简介 上面这张图在这个系列文章中都会出现，可以看到，在时间轴上R-FCN并不应该出现在第五篇中，但是R-FCN在内容上是承接Faster R-CNN的，同样是何凯明团队提出，所以在这里把R-

　　量化交易（Quantitative Trading）与传统证券交易机制存在极大的差异，一度有人神侃，量化交易就是“让机器赚钱，你躺那儿数钱”。本文是一篇入门文章，带您一睹量化交易的“剪影”，并非说笑，

　　面对一周的路径，几个标题一直在脑海闪现：势在焼（曾经用过的，也符合上周的递进延续）、势如破竹、直冲云霄……最终写下了“唯简最真”。因为在我心中唯简最真、唯简最重。只有正确的简单的思维，心无旁骛才可以让

　　Faster R-CNN简介 RBG团队在2015年，与Fast R-CNN同年推出了Faster R-CNN，我们先从头回顾下Object Detection任务中各个网络的发展，首先R-CNN用分

　　有这样三位投资者，他们的投资生涯几乎横贯了整个20世纪，其中两人还沐浴过21世纪的曙光。   他们经历了1929年的大崩盘，又经历了1987年的大恐慌以及1997年的下跌；他们三人加在一起，在熊市和牛

　　为什么只说场外期权，不说场内期权呢？因为目前国内的场内期权品种太少了，就上证50ETF期权合约一根独苗，而且能够进行场内交易，所以从做运营的角度来看，估值价格主要依靠市场收盘价，和股票一样，一点都不刺

　　Fast R-CNN简介 在之前的两个文章中，我们分别介绍了R-CNN与SPP-Net，于是在2015年RBG（Ross B. Girshick）等结合了SPP-Net的共享卷积计算思想，对R-CNN

　　交易应该是自然而且轻松的。   不要强求任何事情，也不要和市场或者你自己作对，忽视其它不适合你的机会。别痴心妄想可以做一个在在任何时间任何市场都能赚钱的超人。完美的交易是像呼吸一样的；你吸气和呼气，就

　　今天我们也要一起来研究一个投资者朋友都关心的问题，那就是我们如何做才能够将风险分散实现稳定的收益呢？杠杆在期货市场的使用导致了市场风险的放大。但是包括许多量化投资者在内的多数投资者还仍旧沉浸在两种交易

　　SPP-Net简介 在上一篇R-CNN的文章中，详细介绍了R-CNN算法，同时也说明了R-CNN的致命缺陷，超长的训练时间（84h）和测试时间（47s），造成这个问题的主要原因就是重复性的卷积计算，在

　　R-CNN简介 R-CNN提出于2014年，应当算是卷积神经网络在目标检测任务中的开山之作了，当然同年间还有一个overfeat算法，在这里暂不讨论。  在之后的几年中，目标检测任务的CNN模型也越来

　　交叉熵的作用 通过神经网络解决多分类问题时，最常用的一种方式就是在最后一层设置n个输出节点，无论在浅层神经网络还是在CNN中都是如此，比如，在AlexNet中最后的输出层有1000个节点：  而即便是

　　共识2018区块链大会7月29日在京举办。人民创投总经理、人民网文化产业基金管理合伙人赵亚辉在会上发表主题演讲。赵亚辉提出，推动区块链健康发展需要处理好的五大关系： 区块链与市场、监管、资本、历史和传