2016-11-28 23:26:39
零零散散的学习就是感觉效率很低.....
| 日期 | 任务 | 备注 |
| 星期一 | 晚上就把仿射和透视变换矩阵理了一下，把透视的线性插值明白了。课外学习为0 | 晚上不效率低 |
| 星期二 | 上午和早些晚上分析了特殊样本，晚上看了ANN的基本原理，然后看算法之美的数组部分 | 晚上头脑清楚 |
| 星期三 | 上午就ANN代码流程看了一遍，初步实验了一下，下午汪博说了一下找到角点后计算置信度和和四个角的问题；妈蛋开会再也不要说自己没有事干，说话的声音大一点，训练一下自己；晚上就开始编码，虽然思路流程很简单，但是实际写的时候，才会去关注这些角度和斜率怎么去对应，晚上回寝室还调试了一下。 | 交流时声音洪亮点，不要随便说自己没事！！！ |
| 星期四 | 今天早上继续调试，测试代码；然后继续添加了均值和方差，偏移点的图像特征；晚上上课。。 | |
| 星期五 | 今天开始接触清分机的程序，需要在里面实现一个共功能，即表明角点和边线上的点；这样方便调试查看仿射是否正确 | |
| 星期六 | 上午把清分机上标注角点的功能实现了一下，下午完成了学术道德的mooc还有实验室安全考试，晚上班级聚会 | |
| 星期七 | 今天其实大部分时间都在弄git bash 和git gui 的操作，基本问题都解决了，算法之美第二章完成。英语作业还没有搞。。。 |
注：
2016-11-29 23:36:48 ANN首先明白感知器和线性单元的基本模型，感知器就是多个输入通过，一个输出，通过阈值处理得到结果；线性单元就是没有阈值处理得感知器。优化目标实际输出与目标输出得平方误差；通过梯度下降法寻求局部最优，可能不是全局最优，调整权值向量时，利用全部输入样本；增量梯度法就调整权值时利用自身样本。然后引入多层神经网络，主要讲三层结构，为了引入非线性决策，使用了Sigmiod函数，让感知器输出通过Sigmoid函数，在输入到下层网络中。将梯度下降法引入到多层神经网络中，要调整隐藏层和输出层的权值。（暂时记得这些，还有很多细节理解了）