抽空实现了下计算机视觉中最基本的“Hello World”，Mnist数据集。
使用BP神经网络实现二分类
神经网络类型：BP(back propagation)神经网络
隐藏层：1（含神经元：3，偏置项独立，梯度下降关闭）
激活函数：sigmoid函数
正则化：无
迭代次数：1000
数据集：内外两包含一定厚度的以10为边界的1/4圆
噪点：30个，两边各15个
编程语言：Python 没想到吧，我又回来了！这两周光准备期中考试了，都没有时间来学习课外知识，但想到不发博客对不起自己的良心，还是拿之前做过的染色分类器水水文章。
一个简单的神经网络实例
神经网络类型：BP(back propagation)神经网络
隐藏层：1（含神经元：3，偏置项独立）
激活函数：y=x
正则化：无
迭代次数：300
拟合函数：y=sin(x/3)
数据集：本地随机生成
编程语言：Python那天舍友找到我，问我搞不搞BP神经网络，于是我就自闭了两天。现在，一个清晰的图像呈现在我眼前，它是拟合众多实例中的一个。
公式测试
$$
P = \frac
{\sum_{i=1}^n (x_i- x)(y_i- y)}
{\displaystyle \left[
\sum_{i=1}^n (x_i-x)^2
\sum_{i=1}^n (y_i-y)^2
\right]^{1/2} }
$$
竟然成功了，惊了个呆
一种简单的二分类模型
本文将简单介绍逻辑回归中的常用模型——基于梯度下降优化的逻辑回归二分类模型的编程实践。
在本文开始前，你需要具备这些基础：
1、线性代数
2、导数与偏导数
3、概率论与数理统计基础（主要指逻辑斯蒂函数[1]的运用）
4、线性回归模型
5、逻辑回归模型的概念
由Python重构的线性回归算法
本文将简要介绍将matlab中的线性回归算法迁移至Python中，即重构。因为今后的工作将越来越多地借助Python与其十分awesome的库，所以使用Python编程显得尤为重要。
本文将包括如下几个部分：
1、预备知识
2、线性回归算法
3、代码实现
4、情绪化的个人表达（可以略去）
5、参考文献及下载资料
基于C语言单向循环链表的图书管理系统
本文将简单阐述利用C语言单项循环链表所写的图书管理系统，并在文末附上代码。
一、系统可实现功能
该系统由两部分子系统组成，分别为学生系统与管理系统。
Ⅰ.学生系统
该部分可以实现的功能有：查找图书、借阅图书、归还图书、显示图书表。
Ⅱ.管理系统
该部分可以实现的功能有：插入图书、删除图书、显示图书表、查找图书、统计信息。