错过的意义.

删微信好友. 很多年后, 也许人会疑惑为什么现在人会把这样一个集个人展示, 日常联系, 工作需要等等各种关系为一体的平台当成生活中最重要的东西. 去地铁转一圈, 从车厢的这头走到那头, 你会看到十个人里除去一个看种马小说的, 和刷脑残电视剧的, 剩下的人有三个正在微信中和人聊天, 有四个人正在翻看朋友圈, 加上一个最后正在的打开微信的. 十个人里面有八个人生活在微信里. 2013年6月的时候, 有人提到说当时微信的在线人数起码已不少于qq的实时在线人数, 经过这五年的此消彼长, 现在微信只怕风头更盛. 于是我查了一下(2018年06月10日), 目前qq的在线人数为2亿8百万, 考虑到老年用户, 海外用户, 将目前的微信用户算到4亿, 想来应该不算夸张. 六年前,

Prml1.2 学习笔记--高斯噪声下的最大似然

本来说今天中午要写一prml,但是第一章快读完了,可是回头再一看最大后验概率,很多东西像没看一样,于是再抓起来做导图。 上次简略地提了下贝叶斯学派和频率学派的区别,接下来就细说一下这两派的不同的作法。 对于频率学派来说,既然把整个模型的参数看作固定的,那么要做的事情就是去估计这个参数,而一个非常常用的方法就是最大似然估计。 假设我们现在有一个曲线拟合问题,也就是说,我们有一堆相互对应的(x,t)(与书中符号一致,这里的目标值写做t而不写做y),我们希望使用通过这一堆值,去寻找到一个两者之间对应的确定关系。 首先确定一点,这些样本不会完全拟合到一个函数的(如果安全拟合的话,那就是一个矩阵或者多项式求解问题了),对于拟合不了的原因,

Prml1.2学习笔记---似然函数

上节从最简单的随机变量扯到宇宙原理(汗)。今天接着上次扯。 关于均值,方差标准差什么的,没有什么好说的。 值得一提是书中提到的关于随机变量的变换, 在满足x=g(y)的情况下,概率密度函数存在着变量的代换,这里比较需要注意的变量代换的下标。 离散型与连续型随机变量的期望公式,也比较简单,但是需要注意边缘分布与联合分布下的对某一随机变量的期望求解。 特别是条件分布的条件期望: 关于条件期望的形式,非常容易出错,貌似之前我经常写错f(x)的位置 这里需要记得,关于条件期望,是指首先是条件概率,

回顾那些年的群体性事件

回顾下零八,那是很不平常的一事,从动车到新疆,从奥运到汶川,奥运的五个吉祥物,每一个都和一件灾难挂上了钩,那些年,群体性事件频发,我当时正读大学,那几年也是我自己最关注新闻的几年,瓮安,石首,邓玉娇,躲猫猫,在网吧通宵看汶川新闻报道,以及之后关注3q大战,那时关注一个新闻会以一种专题学习的态度去搜集所有的资料,然后分析和总结。 现在自己很少再看新闻了,如果不做记者,空洞地关注民生不如自己做好自己的本职,互联网改变了沟通,改变了社会结构,在可预见的将来,也会改变这个国家,

怒吼那光的退缩

周日刷了两遍星际穿越。 两刷很值,土星环从遥远的看不分明的太阳光中穿过的,在暴烈的虫洞中光阴如潮水拍打星空,以及时光之屋,维度在小女孩的房间中昏睡蜷缩,这一切事物,都令人屏息静气,生怕打扰那种宏大造物之美。 不要温顺地走进那个良夜 暮年当在光阴将逝时燃烧激烈 怒吼 怒吼 朝着那光的退缩 我们被扔在三维的宇宙魔方中,困顿在喜怒无常的时光琴弦上。眨眼间要回视正视不息的光阴,肚子和坟墓一起隆起,婚礼和葬礼一起举行,亲密的故事像狄拉克海的涨落。 有朋友相亲多次像爱情呼叫转移一样风霜波折而终于修成正果。。。 有朋友日复一日有着固定的工作,圆润宽和再不会谈起操作系统和虚拟空间的内核。。。 有朋友如百回千折,为着美好陨身不恤已经从散发出珠玉一般明丽的光泽。

Episode

00:00:00 00:00:00