Les raccourcis clavier et les espaces de travail en 2D (3x3 par exemple), c'est ce que j'apprécie dans unity. On a pas quelque chose d'aussi abouti avec gnome shell.
Les raccourcis clavier et les espaces de travail en 2D (3x3 par exemple), c'est ce que j'apprécie dans unity. On a pas quelque chose d'aussi abouti avec gnome shell.
On t'a dit qu'il suffit de calculer une distance (euclidienne par exemple) pour utiliser knn ou autre... Bon en fait c'est quand même beaucoup plus compliqué que ça.
Tu as des données...
Disons que le fortune de ma thèse est à cheval entre l'informatique et les maths. En plein dans le machine learning en fait. Un domaine qui supposément est en plein essor en ce moment. Mais si c'est...
Salut,
Je suis sur le point de finir ma thèse de doctorat. Du moins je l'espère.. Et j'angoisse à l'idée de retrouver un travail. L'idée d'être utile, d'avoir un truc à faire de mes journées, ça,...
Dans le pire des cas, tu peux toujours faire ceci :
def foo(params):
buffer = []
def bar(params):
...
buffer = ....
...
bar(params)
L'apprentissage de transformations à partir d'exemples peut être un pb NP-dur et décider si un ensemble de transformation ne comporte pas de cycles est NP-dur ou indécidable, je ne sais plus.
Ici,...
Oui. Désolé pour le manque de précision : http://fr.wikipedia.org/wiki/S-expression
En ce qui concerne la question posée ici, il s'agit de tuples python imbriqués qui forment une structure...
Hello,
Je cherche un algorithme rapide pour transformer des arbres, en python. Peut-être existe-t-il une librairie qui fait déjà ça.
Quelques exemples de transformation pour me faire comprendre...
C'est pas plutôt "Déterministe Polynomial" et "Non déterministe Polynomial" ?
En fait, c'est surtout une histoire de motivation cette histoire de python (ou autre langage).
En gros, l'idée est que si tu as appris un langage "pour le fun", alors tu as plus de chances d'être...
J'ai tout de même un peu de mal avec le problème (20) de ce papier :
http://mmlab.ie.cuhk.edu.hk/archive/2009/CVPR09_CCSR.pdf
Merci, la page 54 m'aide beaucoup, je crois.
Bonjour,
J'essaie de comprendre comment utiliser SDP, et j'avoue que j'ai beaucoup de mal, en fait.
Si quelqu'un connait un bon papier qui explique en détails ça, ça m'aiderait beaucoup.
...
Voilà ce que je pense :
http://en.wikipedia.org/wiki/Q-learning
http://en.wikipedia.org/wiki/Dimensionality_reduction
Perso, j'utiliserais le jeu de données de développement pour estimer la confiance qu'on a en chaque classifieur.
C'est ptet con, ceci dit :p
C'est du TSP en fait.
Ah oui. J'ai lu un peu vite. mea culpa
La classification et le clustering sont deux choses différentes.
En anglais, la classification c'est classification.
En réalité ça dépend de la dimension du problème de départ.
Si t'as un problème avec 300 entrées mais qui soit représentable en 2 dimensions, alors 2 neurones dans la couche cachée suffisent.
Renseigne-toi sur Principal Variation Search ou encore Negascout.
C'est ce que tu cherches.
Tu changes la représentation de ton vecteur label en une matrice, P, 960x5, de telle sorte que P_ij = 1 si i appartient au cluster j, 0 sinon.
Ensuite, tu as ta matrice de distances D.
Tu calcules...
Tu as la matrice d'adjacence A de ton graphe, A_{ij} = 1 s'il existe une arête entre les noeuds i et j, 0 sinon.
Tu calcules le nullspace du laplacien L de A ; L = D - A, avec D la matrice...
C'est un exercice ?
Réfléchis un peu, c'est pas si compliqué. Comment tu ferais à la main ?
Petite précision, quand il parle de la matrice résultante qui doit être positive semi définie, il parle de G, pas de D.
Si tu as une matrice n x n de distances D (peut être vérifié par le fait que tu as une seule valeur propre positive), tu peux retrouver une position P des points qui respecte D ainsi :
J = I - e...