ntwuxc / tony4ai_contents Goto Github PK

本页面是全站写作思路和超级索引，所有文章都能通过索引跳转到相关文章，当然也可以使用搜索功能查找相关的话题。

如对本站有兴趣可以通过下面二维码添加博主，进入讨论群，感谢您的支持。

首先插入一下我的整体研究思路，也就是网站大致的更新顺序：

以下目录点击直接传送：

理论：

• 数学基础
  • 集合论
    • 1 样本集
    • 2 集合操作
  • 分析
    • 微积分
    • 数学分析
      • 《陶哲轩实分析》（包含习题解答）
        • 1.0 数学分析介绍
        • 2.0 自然数概述
        • 2.1 Peano公理
        • 2.2 加法
        • 2.3 乘法
        • 3.0 集合论
        • 3.1 集合基础(Part I)
        • 3.1 集合基础(Part II)
        • 3.2 罗素悖论（选读）
        • 3.3 函数(I)
        • 3.3 函数(II)
    • 实分析
    • 复分析
    • 泛函分析
    • 测度论
  • 线性代数
    • 《Introduction to Linear Algebra》
      • 线性代数BigPicture
      • 1.0 向量
      • 1.1 线性组合
      • 1.2 点乘和长度
      • 2.1 Ax=b
      • 2.2 消元
      • 2.3 消元和矩阵
      • 2.4 矩阵计算
      • 2.5 逆
      • 2.6 LU和LDU分解
      • 2.7 映射与排列
      • 3.1 向量空间
      • 3.2 Null 空间
      • 3.3 秩
      • 3.4 Ax=B
      • 3.5 线性独立，基和维度
      • 3.6 四个空间的维度
      • 4.1 四个子空间的正交
      • 4.2 投影
      • 4.3 最小二乘（略）
      • 4.4 正交基和Gram-Schmidt算法
      • 5.1 行列式的性质
      • 5.2 排列和代数余子式
      • 5.3 Cramer's 法则,逆和体积
      • 6.1 特征值介绍
      • 6.2 矩阵对角化
      • 6.3 微分方程应用（略）
      • 6.4 对称矩阵
      • 6.5 正定矩阵
      • 6.6 相似矩阵
      • 6.7 奇异值分解
      • 7.1 线性变换**
      • 7.2 线性变换的矩阵
      • 7.3 对角化和伪逆
  • 微分方程
  • 拓扑学
  • 概率论
    • 概率论BigPicture
    • 1.0 概率介绍、试验、事件、公理化的概率
    • 1.1 样本空间、柯氏公理、概率的性质
    • 1.2 古典概率、乘法原理、排列
    • 1.3 组合、二项式定理、多项式定理
    • 1.4 有限事件并的概率、概率欺骗了你
    • 2.1 条件概率、全概率公式
    • 2.2 事件独立、条件独立
    • 2.3 Bayes’ Theorem
    • 3.1 随机变量和离散分布
    • 3.2 连续分布
    • 3.3 Cumulative Distribution Function
    • 3.4 双变量分布
    • 3.5 边缘分布不和独立随机变量
    • 3.6 条件分布 (Part I)
    • 3.6 条件分布 (Part II)
    • 3.7 多变量分布（Part I）
    • 3.7 多变量分布（Part II）
    • 3.8 随机变量的函数
    • 3.9 多随机变量的函数
    • 4.1 随机变量的期望 (Part I)
    • 4.1 随机变量的期望 (Part II)
    • 4.2 期望的性质
    • 4.3 方差
    • 4.4 距
    • 4.5 均值和中值
    • 4.6 协方差和相关性
    • 4.7 条件期望
    • 5.1 分布介绍
    • 5.2 伯努利和二项分布
    • 5.3 超几何分布
    • 5.4 泊松分布
    • 5.5 负二项分布
    • 5.6 正态分布(Part I)
    • 5.6 正态分布(Part II)
    • 5.6 正态分布(Part III)
    • 5.7 Gamma分布(Part I)
    • 5.7 Gamma分布(Part II)
    • 5.8 Beta分布
    • 5.9 多项式分布
    • 5.10 二维正态分布
    • 6.1 大样本介绍
    • 6.2 大数定理
    • 6.3 中心极限定理
    • 6.4 连续性修正
  • 数理统计
    • 《数理统计学简史》
      • 介绍
      • 早期概率论——从萌芽到《推测术》
      • 1.1 卡丹诺的著作
      • 1.2 分赌本问题
      • 1.3 帕斯卡和费马的通信
      • 1.4 惠更斯的“机遇与规律”
      • 1.5 《推测术》前三部分内容提要
      • 1.6 关于概率的几点看法
      • 1.7 伯努利大数定律
      • 2.0 狄莫弗的二项概率逼近
      • 2.1 狄莫弗研究的动因
      • 2.2 狄莫弗的初步结果
      • 2.3 初步结果的改进，与斯特林的联系
  • 随机过程
  • 信息论
  • 凸优化
• 算法设计过程
• 算法

  • 机器学习算法

  • 统计学习算法

  • 深度学习算法

    • FaceNet论文阅读
    • 可视化CNN
    • LeNet
    • Dropout
    • CNN训练数据选择

  • 图像处理

    • 1.1 灰度级
    • 1.2 灰度变换，gama变换，对数，反对数变换
    • 2.1 一维DFT
    • 2.2 二维DFT
    • 2.3 FFT算法理解与c语言的实现
    • 2.4 二维FFT,IFFT,c语言实现
    • 2.5 图像傅里叶变换（快速傅里叶变换FFT）
    • 3.0 二值图像
    • 3.1 二值图像-形态学处理 数学形态学
    • 3.2 二值图像-形态学处理 腐蚀和膨胀
    • 3.3 二值图像-形态学处理 开操作和闭操作
    • 3.4 二值图像-形态学处理4 其他操作
    • 4.0 灰度图像
    • 4.1 灰度图像-形态学处理
    • 4.2 灰度图像-频域滤波 傅里叶变换之卷积
    • 4.3 灰度图像-频域滤波 傅里叶变换之连续周期信号傅里叶级数
    • 4.4 灰度图像-频域滤波 傅里叶变换之离散周期信号傅里叶级数
    • 4.5 灰度图像-频域滤波 傅里叶变换之连续信号傅里叶变换（FT）
    • 4.6 灰度图像-频域滤波 傅里叶变换之采样定理
    • 4.7 灰度图像-频域滤波 傅里叶变换之离散时间傅里叶变换(DTFT)
    • 4.8 灰度图像-频域滤波 傅里叶变换之离散傅里叶变换(DFT)
    • 4.9 灰度图像-频域滤波 傅里叶变换之二维离散傅里叶变换
    • 4.10 灰度图像-频域滤波 概论
    • 4.11 灰度图像-频域滤波 滤波器
    • 4.12 灰度图像-频域滤波 同态滤波
    • 5.0 灰度图像-空域滤波 基础：卷积和相关
    • 5.1 灰度图像-图像增强 综合介绍
    • 5.2 灰度图像-图像增强 平滑之均值滤波、高斯滤波
    • 5.3 灰度图像-图像增强 双边滤波 Bilateral Filtering
    • 5.4 灰度图像-图像增强 中值滤波
    • 5.5 灰度图像-图像增强 锐化基础
    • 5.6 灰度图像--图像增强 拉普拉斯算子
    • 5.7 灰度图像-图像增强 非锐化掩蔽 （Unsharpening Mask）
    • 5.8 灰度图像-图像增强 Robert算子、Sobel算子
    • 5.9 灰度图像--图像增强 灰度变换
    • 5.10 灰度图像--图像增强 直方图均衡化（Histogram Equalization)
    • 5.11 灰度图像-图像增强 直方图匹配（规定化）Histogram Specification
    • 6.0 灰度图像-图像分割 综合介绍
    • 6.1 灰度图像-图像分割 边缘模型
    • 6.2 灰度图像-图像分割 边缘检测算子 综述
    • 6.3 灰度图像-图像分割 Robert算子
    • 6.4 灰度图像-图像分割 Sobel算子
    • 6.5 灰度图像-图像分割 Prewitt算子
    • 6.6 灰度图像-图像分割 Scharr算子
    • 6.7 灰度图像-图像分割 Sobel算子，Prewitt算子和Scharr算子平滑能力比较
    • 6.8 灰度图像-图像分割 Canny边缘检测
    • 6.9 灰度图像-图像分割 Marr-Hildreth算子（LoG算子）
    • 6.10 灰度图像-图像分割 霍夫变换(Hough Transform)--直线
    • 7.0 灰度图像-图像分割 阈值处理综述
    • 7.1 灰度图像-图像分割 阈值处理之平均阈值
    • 7.2 灰度图像-图像分割 阈值处理之P-Tile阈值
    • 7.3 灰度图像--图像分割 阈值处理之迭代均值阈值
    • 7.4 灰度图像-图像分割 阈值处理之谷底阈值、峰顶平均
    • 7.5 灰度图像-图像分割 阈值处理之OTSU阈值
    • 7.6 灰度图像--图像分割 阈值处理之补充说明
    • 7.7 灰度图像-图像分割 阈值处理之局部阈值
    • 7.8 灰度图像-图像分割 区域分割之区域生长
    • 7.9 灰度图像-图像分割 区域分割之区域分离
    • 7.10 灰度图像-图像分割 区域分割之分水岭算法
    • 8.0 彩色模型，CIE XYZ，CIE RGB
    • 8.1 彩色图像-色彩空间 综述
    • 8.2 彩色图像-色彩空间 RGB系列
    • 8.3 彩色图像-色彩空间 CMY(K)空间
    • 8.4 彩色图像-色彩空间 YIQ 、YUV 、YCbCr 、YC1C2 和I1I2I3
    • 8.5 彩色图像-色彩空间 CIELAB、CIELUV
    • 8.6 彩色图像-色彩空间 HSI(HSL)、HSV(HSB)
    • 8.7 彩色图像-色彩空间 总结
    • 9.1 彩色图像-伪彩处理 灰度图转伪彩色图像
    • 9.2 彩色图像-彩色变换 补色处理
    • 10.1 彩色图像-图像增强 直方图增强
    • 10.2 彩色图像-图像增强 图像平滑
    • 10.3 彩色图像-图像增强 图像锐化
    • 10.4 彩色图像-图像分割 彩色空间分割

  • 遗传算法

• 神经生物学

技术

• 语言
  • C++
  • Python
    • Web Crawler
      • 1.0 Introduction
      • 2.0 分析目标网站
      • 3.0 三只虫
      • 3.1 HTTP协议（一）
      • 3.2 HTTP协议（二）
      • 3.3 数据抓取
  • CUDA
    • 0.0 腾讯云CUDA环境搭建
    • 1.0 并行计算与计算机架构
    • 1.1 异构计算与CUDA
    • 2.0 CUDA编程模型概述(一)
    • 2.1 CUDA编程模型概述(二)
    • 2.2 给核函数计时
    • 2.3 组织并行线程
    • 2.4 设备信息查询
    • 3.1 CUDA执行模型概述
    • 3.2 理解线程束执行的本质（Part I）
    • 3.2 理解线程束执行的本质（Part II）
    • 3.3 并行性表现
    • 3.4 避免分支分化
    • 3.5 循环展开
    • 3.6 动态并行
    • 4.0 全局内存
    • 4.1 内存模型概述
    • 4.2 内存管理
    • 4.3 内存访问模式
    • 4.4 核函数可达到的带宽
    • 4.5 使用统一内存的向量加法
• 框架
  • OpenCV
    • OpenCV矩阵计算分析
  • TensorFlow .etc
• 设计实现框架
  • PineNut

随笔

• 其他
  • 推荐读物
  • 学习
  • Hexo博客搭建
  • Hexo畅言评论PC和移动端同步