Alex LEE's Blog

当今科研界的竞争越来越激烈，对从事科研工作的人员的要求也越来越高。他们不仅要有冷板凳坐十年的定力，还需要有好的做presentation的技能，这样才能把自己优秀的工作展现给别人。开题报告、毕业答辩、应聘教职、参加学术会议等等，我们都离不开presentation。Presentation是个人综合能力的体现，会不会做presentation将会影响你的一生。

一般的时间序列主要是在时间域中进行模型的研究，而对于混沌时间序列，无论是混沌不变量的计算，混沌模型的建立和预测都是在所谓的相空间中进行，因此相空间重构就是混沌时间序列处理中非常重要的一个步骤。

机器学习算法可以分成两类。离线学习和在线学习。在线机器学习指每次通过一个训练实例学习模型的学习方法。

粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

本文介绍华中科技大学学位论文的格式要求，以及各种模板修改。在Michael Duan 的个人博客基础上进行更新。

大家所熟知的国际著名汤森路透集团（现更名为科睿唯安）最早推出了的三大著名期刊引文索引数据库，分别为科学引文索引(SCIE)，社会科学引文索引(SSCI)和艺术与人文引文索引(A&HCI)。2008年底，该集团推出了两类“会议录”索引数据库，即科学技术会议录索引(CPCI-S)和社会与人文科学会议录索引(CPCI-SSH)。2011年，汤森路透又推出了两类图书引文索引数据库，即科学图书引文索引(BKCI-S)和社会与人文图书引文索引(BKCI-SSH)。这些数据库组成了Web of Science 核心引文数据库，使得其核心数据库涵盖了各学科领域的杂志、会议录、图书索引。

如果把重点放在数据的处理方式上，那么长期共存的方式大概有两种：

• 特征学习(feature learning)，又叫表示学习(representation learning)或者表征学习 。特征学习是从数据中自动抽取特征或者表示的方法，这个学习过程是模型自主的。
• 特征工程(feature engineering)，主要指对于数据的人为处理提取，有时候也代指“洗数据” 。特征工程的过程是人为的对数据进行处理，得到我们认为的、适合后续模型使用的样式。

在机器学习和认知科学领域，人工神经网络（英文：artificial neural network，缩写ANN），简称神经网络（英文：neural network，缩写NN）或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具。