本篇笔记针对斯坦福ML公开课的第6个视频，主要内容包括朴素贝叶斯的多项式事件模型(MultivariateBernoulliEventModel)、神经网络(NeuralNetwork)、支持向量
本篇对应斯坦福公开课的第8个视频，主要讲述了SVM(SupportVectorMachine,支持向量机)的剩余部分。即核技法(Kernels)、软间隔分类器(softmarginclassifi
我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法，通过求解特征值与特征向量，并选取特征值较大的一些特征向量来达到降维的效果。本文继续PCA的话题，包括PCA的一个应用—
射频功率的频域测量是利用频谱和向量讯号分析仪所进行的最基本的测量。这类系统必须符合有关标准对功率传输和寄生噪音辐射的限制，还要配有合适的测量技术来避免误差。
为了克服RTL级验证方法的局限性，提出了采用随机测试向量在SoC的系统级进行功能验证的方法。该方法采用高级建模语言来构建系统级的测试平台，采用多种随机化机制来生成测试向量。测试结果表明,该方法不仅能够
设计了一种基于FPGA的边界扫描测试向量发生器，该发生器可以为边界扫描故障诊断系统提供测试向量，并可计算测试向量的故障覆盖率。与以往通过软件提供测试向量的方法相比，该设计在速度和效率上有了较大提高。
提出一种基于支持向量机理论的车型分类器的设计方案。通过对实际车辆的图像采集、处理和分析，获取所需样本数据。采用有导师训练方法训练三个支持向量机识别器，使用测试样本对训练出的识别器进行性能测试。最后将三
嵌套中断向量控制器(Nested Vector Interrupt Controller,简称NVIC)是Cortex-M3 处理器中一个比较关键的组件，它为基于Cortex-M3 的微控制器提供了标
