CVPR2014年深度学习论文
计算机视觉顶级会议CVPR2014年与深度学习有关的前沿论文
华为2014年上机题
华为2014年求职的上机原题,找工作的同学们可以看看
matlab入门经典教程高清pdf
非常好的matlab入门书,由浅入深,有详细目录,pdf原版清晰,值得一看
matlab入门经典教程高清版pdf
非常好的matlab上手教材,目录详细,由浅到深,值得一看
Parallel and Distributed Computation
Reviews :
"This major contribution to the literature belongs on the bookshelf of every scientist with an interest in computational science, directly beside Knuth's three volumes and Numerical Recipes..."
Anna Nagurney, University of Massachusetts, in the International Journal of Supercomputer Applications
"This major work of exceptional scholarship summarizes more than three decades of research into general-purpose algorithms for solving systems of equations and optimization problems."
W. F. Smyth, in Computing Reviews
"This book marks an important landmark in the theory of distributed systems and I highly recommend it to students and practicing engineers in the fields of operations research and computer science, as well as to mathematicians interested in numerical methods."
Lorne G. Mason, in IEEE Communications Magazine
Nonlinear programming
本书涵盖了非线性规划的主要内容,包括无约束优化、凸优化、拉格朗日乘子理论和算法、对偶理论和方法等,并包含了大量的实际应用案例 .本书从无约束优化问题入手,通过直观分析和严谨证明给出了无约束优化问题的最优性条件,并讨论了梯度法、牛顿法、共轭方向法等实用算法 .进而本书将无约束优化问题的最优性条件和算法推广到具有凸集约束的优化问题中,进一步讨论了处理约束问题的可行方向法、条件梯度法、梯度投影法、双矩阵投影法、坐标块下降法等算法 .拉格朗日乘子理论和算法是非线性规划的核心内容之一,也是本书的重点 .本书中的第 3、4章详尽地论述了这方面的内容 .本书首先从等式约束优化问题最优解的必要条件入手,给出了拉格朗日乘子理论最基本的形式,然后给出了等式约束优化问题最优解的充分条件以及不等式约束优化问题的充分条件和必要条件 .拉格朗日乘子算法的引入则基于将约束优化问题转化为无约束优化问题和求解最优性条件对应的方程组两个角度展开,分别讨论了障碍函数法、惩罚函数法、序贯二次规划法、拉格朗日法和原始对偶内点法等方法 .本书的另一个重点是对偶理论和方法 .本书第 5章从几何的角度阐述了拉格朗日对偶理论和 Fenchel对偶理论,并讨论了离散优化及拉格朗日松弛方法;本书最后一章则详细讨论了求解对偶问题的相关概念和方法,包括次梯度、对偶上升方法、次梯度方法、割平面方法和分解方法等 .
Data_Mining_Practical_Machine_Learning_Tools_and_Techniques
Jiawei Han(韩家炜),是伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系的Bliss教授。他因知识发现和数据挖掘研究方面的贡献而获得许多奖励,包括ACM SIGKDD创新奖(2004)、IEEE计算机学会技术成就奖(2005)和IEEE W.Wallace McDowell奖(2009)。他是ACM和IEEE会士。他还担任《ACM Transactions on Knowledge Discovery from Data》的执行主编(2006—2011)和许多杂志的编委,包括《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining Knowledge Discovery》。