今天开始学Pattern Recognition and Machine Learning (PRML)，章节5.2-5.3，Neural Networks神经网络训练（BP算法）
转载请注明出处：Bin的专栏，http://blog.csdn.net/xbinworld这一篇是整个第五章的精华了，会重点介绍一下NeuralNetworks的训练方法——反向传播算法（backpropagation，BP），这个算法提出到现在近30年时间都没什么变化，可谓极其经典。也是deeplearning的基石...
路径规划: PRM 路径规划算法 (Probabilistic Roadmaps 随机路标图)
随机路标图-ProbabilisticRoadmaps(路径规划算法)路径规划作为机器人完成各种任务的基础，一直是研究的热点。研究人员提出了许多规划方法如：1.A*2.Djstar3.D*4.随机路标图（PRM）法5.人工势场法6.单元分解法7.快速搜索树（RRT）法等 传统的人工势场、单元分解法需要对空间中的障碍物...
PRML读书会第十二章 Continuous Latent Variables（PCA，Principal Component Analysis，PPCA，核PCA，Autoencoder，非线性流形）
主讲人戴玮（新浪微博:@戴玮_CASIA）Wilbur_中博(1954123) 20:00:49 我今天讲PRML的第十二章，连续隐变量。既然有连续隐变量，一定也有离散隐变量，那么离散隐变量是什么？我们可能还记得之前尼采兄讲过的9.2节的高斯混合模型。它有一个K维二值隐变量z，不仅只能取0-1两个值...