小编mic*_*ard的帖子

我正在尝试自学一些机器学习,并且一直在使用MNIST数据库(http://yann.lecun.com/exdb/mnist/)这样做.该网站的作者在98年写了一篇关于所有不同类型的手写识别技术的论文,可在http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf上找到.

提到的第10种方法是"切线距离分类器".这个想法是,如果你将每个图像放在一个(NxM)维向量空间中,你可以计算两个图像之间的距离,作为超平面之间的距离,每个超平面是通过取点来给出超平面,并旋转图像,重新缩放图像,翻译图像等.

我想不出足以填补遗漏的细节.我知道其中大多数都是线性算子,那么如何使用这个事实来创建超平面呢？一旦我们有了超平面,我们如何与其他超平面保持距离？

我正在编写一些 SymPy 代码来处理带有虚数的符号表达式。

首先，我想让它把 x 和 y 作为实数，并找到 x=iy 的解决方案。所以我可以这样做。

x, y = sympy.symbols("x y", real=True)  
print(sympy.solve([x-sympy.I*y]))

（SymPy solve 需要一个值列表，所有这些都必须是 0。所以 x-iy=0 => x=iy）。SymPy 会正确地告诉我

[{x: 0, y: 0}]

但是，如果我以（理论上相同的）方式执行此操作：

x, y = sympy.symbols("x y")
print(sympy.solve([x-sympy.I*y, sympy.im(y), sympy.im(x)]))

然后现在 SymPy 告诉我

[{re(y): y, re(x): I*y, im(x): 0, x: I*y, im(y): 0}]

这在技术上是正确的，但并没有为我做所有的事情。这只是 SymPy 中的一个限制，还是我可以通过以这种方式约束复数 x 和 y 来给我 x=y=0 ？

我正在测试我正在编写的汇编程序,它生成X86指令.我想做这样的事情来测试指令是否有效.

#include<stdio.h>

unsigned char code[2] = {0xc9, 0xc3};

int main() {
  void (*foo)();
  foo = &code;
  foo();
  return 0;
}

但是,由于DEP,OS X似乎阻止了这种情况.有没有办法(a)禁用此程序的DEP或(b)以另一种格式输入字节,以便我可以跳转到它们.

我正在编写一个应用程序，它需要获取屏幕上像素的颜色以运行不同的自动化测试。

（是的，我知道预先存在的自动化测试库。不，我不能使用它们。）

目前，我正在用 Java 编写，该程序主要执行以下操作：

Robot r = new Robot();
for (int i = 0; i < 10; i++)
    for (int j = 0; j < 10; j++)
        r.getPixelColor(i*20, j*20);

这样做的问题是它真的很慢。进行该扫描大约需要一秒钟。（每像素 10 毫秒。）有两个问题：（1）我希望它很快，（2）在一秒钟内，屏幕已经改变了。由于各种原因，屏幕每半秒只更新一次，所以唯一重要的问题是（1）。

有没有办法更快地获取像素颜色信息？如果没有 Java 库可以做到这一点，我很高兴听到 C（或其他）方法可以做到这一点。

我在尺寸为m的超球面上(在10 ^ 4到10 ^ 6之间)有n个(大约10 ^ 5)个点.

我要做一堆形式的查询"给定一个点p,找到最接近的n个点到p".我将讨论其中的n个问题.

(不确定超球面事实是否有帮助.)

解决此问题的简单朴素算法是,对于每个查询,将p与所有其他n个点进行比较.这样做n次最终会得到O(n ^ 2 m)的运行时间,这对我来说太大了,无法计算.

我可以使用更高效的算法吗？如果我能用O(nm)得到一些很好的对数因子.

我正在开发一个程序，将对象分为两组，并且测量每个对象与其他对象的相似程度，并且我想找到将它们匹配在一起的最佳方法。

如果集合是由编辑距离定义的单词和距离，则集合“this”、“is”、“a”、“test”与“and”、“this”、“is”的最佳匹配， “最好”，那么我会将“this”与“this”（得分为0）匹配，“is”与“is”（得分为0），“a”与“and”（得分为0） 2)、“最佳”和“测试”（得分为 1）。

我已将问题简化为寻找最大二分匹配问题。这是一个描述：

给定一个边具有整数权重的二分图，找到一组边，使得 (a) 每个顶点在该组中只有一条边，并且 (b) 该组中的权重总和具有最大大小。

我不相信这个问题是 NP 完全的（或者，即使不是，但如果算法可能非常慢），是否有某种方法可以在一定程度上近似答案？

目前，我选择最小权重边，删除它及其连接的节点，然后重复，但这似乎不是最佳的。我考虑过将其简化为某种流程问题（就像处理正常的二分匹配一样），但在这种情况下它不起作用。