- 造就人才
- 19世纪欧洲大学授予博士学位时宣誓誓词
- GPU编程与CG语言之阳春白雪下里巴人
- Key to Success in Modern Society
- Lenna传奇
- 佑启乡邦
- 外国诗歌赏析
- 故事赏析
- 中国古代诗词赏析
- 中国现代诗歌赏析
- 研究学术
- NNML（03）：BP 学习
- NNML（02）：感知器学习
- 鲁棒及自适应控制（2）：模型
- NNML（01）：引言
- 鲁棒及自适应控制（1）：概论
- Gradient-Based Learning Applied to Document Recognition
- CS231n（3）：损失函数与最优化
- CS231n（2）：图像分类流程
- CS231n（1）：计算机视觉简介
- DILinAV（4）：基于最小割的推理
- 快速归一化互相关
- DILinAV（3）：最大流与最小割
- DILinAV（2）：重参数化与动态规划
- DILinAV（1）：基于离散图模型的人工视觉简介
- Single Image Haze Removal Using Dark Channel Prior
- 计算机视觉中的多视几何：1. 简介——多视几何之旅
- 计算机视觉中的多视几何：前言
- 计算机视觉中的多视几何：序言（by Olivier Faugeras）
- Tracking-Learning-Detection
- OpenCV（1）：基于Python的简介
- 向量空间模型
- 统计学习：线性回归
- 模式发掘（2）：高效的模式挖掘方法
- 模式发掘（1）：基本概念
- CS231n（4）：最优化
- 特征学习模型总结
- 矩阵分解
- 径向基函数网络
- 深度学习
- 神经网络
- 分类器融合（6）：融合模型总结
- 分类器融合（5）：梯度提升决策树
- 机器学习三原则
- 验证
- 正则化
- 过拟合的危害
- 非线性特征变换
- 线性分类模型
- 分类器融合（4）：随机森林
- 分类器融合（3）：决策树
- logistic回归
- 分类器融合（2）：AdaBoost
- 分类器融合（1）：基于混合与自助聚集的简介
- 线性回归
- 支持向量机（6）：支持向量回归
- 支持向量机（5）：核logistic回归
- 支持向量机（4）：soft-margin支持向量机
- 支持向量机（3）：核支持向量机
- 支持向量机（2）：对偶支持向量机
- 支持向量机（1）：线性支持向量机
- 机器学习：噪声与误差
- 不均衡数据问题
- 机器学习：VC维
- 机器学习：泛化理论
- 机器学习：训练与测试
- 机器学习：学习的可行性
- 大数据上的机器学习
- 计算广告学：广告基础
- 推荐系统简介
- 异常检测
- 降维：主成分分析
- 聚类（1）：k均值算法
- 支持向量机简介
- 机器学习实战技能
- 机器学习资源
- 神经网络简介
- 感知器学习算法
- 多分类问题
- 那些论文，精彩的致谢
- 振导社会
- 家用监控设备用于电网的可行性分析
- 无人机电缆隧道巡检可行性调研报告
- 开源OCR引擎Tesseract
- 高性能计算概述
- 御膳房使用简介
- 高性能Python程序
- arules：频繁项集与关联规则的挖掘
- 高性能R程序
- R包开发
- PostgreSQL Essential
- 摄像机标定
- Python Essential
- 工业机器人（2）：技术发展综述
- 工业机器人（1）：行业发展综述
- 纹理分类系统
- R Essential
- Map-Reduce Essential
- CSS Essential
- 基于Jekyll的GitHub建站指南