k4487759的个人资料

谁说intel固态售后好跟谁急之国行有发票不给保修（直播中）事件起因618X东入了intel 760p固态硬盘，国行，开了发票，到手不定期掉盘，有时重启就好，确认固态故障，两周后忍不了开始售后。看起来国行，有发票，intel，无论如何不能拒保吧？然而一个曲折的故事就开始了，故事大概三个阶段：第一个阶段，确认是国行，回收固态，确认产品质量问题，一切OK，服务良好，事情好像非常美好。第二个阶段，额，没货，等俩月。好的，我等。第三个阶段，额，俩月过去了，还没货，给您退款行吧？请提交退款凭证，退款凭证无效，请重新提交；退款凭证无效，请重新提交；退款凭证无效，请重新提交。目前的状态：产品质量问题，国行，有发票。能给修吗？不能我们包换新能给换新吗？不能我们没有货，给你退款吧能给退款吗？不能（经历了多轮提交凭据，花式驳回）现在东西在你那，你告诉我怎么办？谁知道呢！ 1楼先上证据，包括售后工单截图，发票，发票真伪验证（是的，你没看错，我第二次提交的），28封往来邮件截图（是的，处理一个国行有发票的返修，长达两个多月28封邮件还没解决）。事情的详细经过我会随邮件往来记录逐渐公开，为了保证叙述的内容真实连贯，没有掐头去尾，28封邮件的全部内容及部分通话记录（通话录音整理比较麻烦，无法全部公开）我会全部公开，当然内容的个人信息会打马赛克。

赵继伟那球怎么可能吹违体犯规？郭士强就是用个策略给裁判施压而这球赵继伟压根没控制过球啊，小丁触球之前这是个无球犯规，小丁控制球以后这是个进攻犯规，这种球就算辽宁主场能吹T？

凯撒只有XJBD一个战术 rt

我是李靖宇的球迷我鲁的鲸鱼到你晋还好用吗？出道的时候小丁是鲸鱼替补来的，谁知道他发展不如小丁，上场时间越来越短，我感觉他的实力被严重低估了。超喜欢他，祝鲸鱼在你晋越打越好。

帮忙出个袖珍主机的配置单万能的吧友，需要个袖珍台式机。需求：CPU性能没要求，性价比高的即可，机箱外观低调一点，尽可能小。显卡想用1060刀卡。

编译caffe出错了，万能的吧友帮忙编译caffe错误提示找不到libcaffe.lib 10>LINK : fatal error LNK1181: cannot open input file 'libcaffe.lib' 求帮助

5k,4k,2k显示器的海友有救了度

求助：关于data distribution 在一篇期刊文章上看到了一个data distribution的图，但是在解释这幅图的地方没有给出这个数据分布的定义。求解这个data distribution是否是机器学习或者数据挖掘之类的一个一般性概念？是如何定义的？如下： Fig. 8 shows the data distribution for this architecture, as can be observed, despite the fact that we had only few data points per module, some data are very similar to some of the data belonging to different classes, which causes some data overlapping among the classes. This is an important factor that must be considered, since in the application for classification it is a great idea to implement a method of data similarity, and determine which classes could be in the same module of the neural network.

雷锋来了：看图猜战役第九期答案是度

看提示猜战役第八期的答案是福克兰群岛海战

Matlab并行计算随记度

天鹰座装机失败度

楼里有先马的机箱吗明天想来拿个碳立方。

请吧友帮忙看看配置是不是合理机箱（已购）：富钧天鹰座散热器（已购）：猫头鹰C14 显卡（已购）：技嘉titan z 已购的配件不动，其它的： cpu：4790k 主板：ROG m7g 内存：骇客神条2400 8g*2 固态：骇客240g 硬盘：西数黑盘2t 电源：RM1000 完，主要是否有的很坑或近期出事的配件，谢谢各位吧友。

戒烟的失败经验烟龄很短，只有13年左右，烟龄在7 8年的时候开始考虑戒烟，有过3个月忍着不吸烟，半年忍着不吸烟，成功戒烟，三次比较长的“戒烟”经历。可惜的是成功戒烟以后有一次碰到不错的雪茄，认为雪茄不是烟来一点没事，结果通过雪茄摄入了尼古丁，后来又很快学会了吸烟，现在再次戒烟，跟吧友分享一下前一段戒烟失败的一点感想和经验，希望大家引以为戒。

求推一款女士用的影音本研究过游戏本，影音本不太了解，所以希望得到吧友的帮助，预算7000以下。需求： 1、预装windows操作系统，最好能折扣价选装office软件（前者必须有，后者不强求）。 2、1080P或以上的屏幕，基本无游戏需求，但是要求看电影或者玩斗地主、抢红包之类的小游戏没问题（核显应该搞定，搞不定高清电影的话可以上独显）。 3、外观漂亮，不要太厚重（不需要超薄），14 15吋最佳。 4、CPU性价比高，内存大（有时会用来跑代码）；机械硬盘大，有SSD。 5、键盘顺手一点。备注：主要的钱花在CPU、内存上，这两个要求尽量好一点。已经有不错的外接笔记本音箱，所以内置音箱不需要好的。

实用工具向——matlab 2014b的统计工具箱重要变化度

求推荐一款游戏本需求能玩目前主流单机游戏，优化渣的可不强求，3-4年后能勉强用中级特效玩主流单机。个人倾向于GTX9系列显卡。 1、男士用，外形沉稳上档次。 2、性价比相对较高，品牌返修率较低，近一两年没有重大产品质量事故。 3、预算不超过1.5万，9系列显卡的本价格有点虚高，可能1.5万目前拿不下。可把春节前的促销活动和近三个月内降价的因素考虑在内，但是不准备加钱。谢谢各位吧友提供建议

非常非常纠结的电脑选购问题今天签了卖身契，2016年入职，了却了一桩心事。想配个电脑，但是特别的纠结。目前有台I5的渣配置本子和一台I3的老爷本，晚上喜欢没事打打单机，但是新游戏全都战不动了（买的时候没考虑过显卡的问题，所以连无主之地2都有点战不动）。如果配台式机，2016年走人的时候基本要送人或者丢掉，但是配笔记本的话担心显卡还是会战不动。关键是入职以后单位会给配顶级的办公PC和本子，家里也会配台式机，更恶心的是工作地点、上学地点、老家要跨越整个祖国，所以携带是个大问题。所以目前有两套方案可以选择： 1、在家和学校各配一台低价位的台式机（算显示器7000以内），2016年走人的时候学校的这台送人，家里的那台留着上学放假或入职以后回老家休假用。 2、配一台10000-15000价位的本子（应该能上970m吧？只是不知道能否满足使用需求），用两年以后回老家休假的时候勉强战两年然后退休。所以希望卡基给个建议，需求是 1、能战动目前的主流游戏（渣优化的可以不强求），不太吃配置的游戏能开一下高画质。 2、2016年以后还能勉强战两年（按照家庭预算头两年房贷压力会很大，不可能折腾电脑，两年的年限晋升副高以后才能有闲钱）。 3、家庭比较贫困，一分钱都不加，在满足需求的情况下能削减预算最好。 4、如果有更合理的方案欢迎吧友提供建议。

紧急求助——时间序列的距离碰到一个棘手的问题，希望得到大家的帮助斯皮尔曼距离（Spearman distance）和动态时间规划距离（Dynamic Time Warping distance）是度量相同问题的距离吗？或者，这两者在描述离散时间序列的时候，是度量了类似的物理意义吗？

水一贴，英语瓶颈怎么办？现在的状态是看文章没问题，写文章也没有语法或者表达上的毛病，但是一给英语母语或者国外生活时间长的人看他们就告诉我“这些句子没问题，但是我们不那么说”。文章或者修改意见答复待处理的一大堆，没人帮忙改过的就是没法投出去，这问题有解吗？怎样写出来他们“那样说”的句子？

Matlab中k均值聚类的破事 Kmeans是远古的东西了，matlab已经有内建函数kmeans来进行处理。例如 [Idx,C]=Kmeans(X,K) 有人也许会问了：“有内建函数了你还说个鸟”。其实事情不是酱紫简单的，由于是无监督学习，据我所示内建函数只提供了通过一组数据聚类，生成聚类号、聚类中心brabrabra，但是没有根据聚类中心对新样本生成类别的函数。而图像场景分类里通过一组数据训练聚类中心，然后在所有数据上生成类别号的步骤是非常常见的。刚才的同志可能会接着说：这还不简单，看我代码写来，走着—— 对所有样本遍历，取来一条样本，先算与所有聚类中心的距离，然后取min得聚类号。两步循环搞定。那么恭喜你，悲催了。对于常用的scene15数据集，你的代码可能会算到天荒地老。 why？ Matlab对于循环和结构体元素的计算效率低下到惊人，但是对矩阵或结构体的计算效率和内存优化好的惊人，这是老生常谈了。那么这组代码好一点的写法是？ for k=1:聚类数临时=bsxfun(@minus,样本矩阵,C(k,:)); 临时_1(:,k)=arrayfun(@(x)norm(临时(x,:)),1:size(临时,1)); end [~,结果]=arrayfun(@(x)min(临时_1(x,:)),1:size(临时_1,1));%算聚类号请无视我起的中文变量名并用符号代替。原理是尽可能的对运算量大的循环进行矩阵运算，也就是说所有运算量大的环节尽量不出现循环。你也许又会问了，这里不是还有个K循环吗？其实也可以将循环内的部分也写成结构体运算，别找了，LZ内存不够直接计算，所以没写这样的代码。但是其原理是一样的，在内存足够的前提下，利用矩阵运算函数bsxfun、arrayfun和匿名函数代替所有有运算的循环环节。

matlab_PCA，训练集与测试集分开，原理和用法 PCA基本流程： 1、训练集矩阵算协方差矩阵A; 2、算协方差矩阵特征值与特征向量; 3、按特征值的大小排列特征矩阵，得B，对应的特征值（按从大到小排列）组成向量a; 4、A*B得到去关联的新矩阵C，A与C的对应位置物理意义相同（指样本维度和样本数），但是去掉了关联，并且按特征贡献度大小排列; 5、选贡献度百分比或降维后的维度。例如百分之90，则是取满足sum（a(1:n)）/sum(a)>90%的最小的n；如果直接定降维后的维度，则直接设置个n。 6、任一样本的降维公式相同，对于样本x：x*B(1:n,:)。原理说明：步骤3,4本质上是基变换原理。4可以去关联的原理与马氏距离相仿。贡献度的原理与协方差矩阵的数学意义相关。转换矩阵相关的计算必须在训练集上完成是因为协方差矩阵的计算需要一个样本集，如将测试集样本加入这个样本集，则训练集中已经包含了测试集信息（例如某一维特征的均值）。 matlab函数说明： [COEFF, SCORE, LATENT] = pca(X)； COEFF：步骤3算出来的矩阵B，本质上是一个基变换矩阵。数学意义是协方差矩阵按特征值的大小排列的特征矩阵。 SCORE：步骤4算出来的矩阵C，与A同维同物理意义。 LATENT：步骤3算出来的向量a，存储了贡献度，数学意义是协方差矩阵特征值从大到小排列。用途：根据LATENT计算满足某贡献度所需的样本维度，或直接定一个样本维度，然后 x*COEFF(1:n,:)降维。把训练集中所有样本计算x*COEFF就是SCORE，当然，x*COEFF(1:n,:)这个式子更大的用途是计算测试集中的样本。以上全是废话，这里是关键的： pca内建函数在算协方差的时候先减了个样本均值，所以这里x*COEFF不是SCORE 需要先算 x0 = bsxfun(@minus,train_data,mean(train_data,1)); x0 = bsxfun(@minus,test_data,mean(test_data,1)); 然后x0*x*COEFF才是SCORE

山东这赛季要报销的节奏啊一共报名12个，睢冉还在伤停，这场哈维杰特大伤，小丁许家晗小伤，万一这四个打不了，下场球7个人打？

这回黄金要出大麻烦啊后卫只报名了一个半专业的（杰特睢冉）加一个业余的（许家晗），那一个半专业的控卫都伤了，业余的这个5犯了，要搞的我大黄金最后一节没后卫用吗？

可耻的当一回伸手党，请教俩问题 du

山东队球员人数太纠结了一共报名12个人，又伤俩主力，下一场要是再罚下去大湿和翻译也要上去打打的节奏？

从某种程度上讲，我们不应该嘲笑山庄隐士好奇心害死猫，我最后还是忍不住看了一下CN202694408U；CN103077424A；CN101527009三个专利。从我的理解来看，这是一种把很多多输出的方波发生器的输出和一个开关连起来，开关通过时钟电路同步，开关和其它方波发生器连接到使能端，把这种结构的规模无限扩大，接上输入输出组成的东西。理论上，这是一种离散输出的神经元组，在一定程度上讲，还真是一种很近似前向神经网络的玩意。我很敬佩他两点：1、不懂人脑结构和机器学习知识的情况下，真的硬生生的组出来一个二进制输入输出的前向神经网络（即使是这东西拟合能力还比不上上世纪中旬的神经网络，但是对于业余爱好者而言，已经很了不起了）；2、相信很多吧友在对机器学习感兴趣但是还没开始学习机器学习的时候，总会有千奇百怪的想法。但是一个很模糊的梦想，即使看不到任何前景，也真的敢动手弄出来。不论他提出的这种“技术”多落后，做出来的东西多业余，这种精神不值得我们学习吗？虽然努力的方向不对，但是至少他为了梦想，在他自己知识的允许范围内尽可能的努力了。同时，也劝一下王应天同志，你的这种东西既不先进，也没有开创性，并不存在你所说的那些价值。你很努力的在追寻某种模糊的梦想，但是努力的方向不对。正如你所说，要站在巨人的肩膀上做事情，要做一个模拟人脑的机器，首先你要了解人脑的信号传递是什么方式；其次要了解现在研究进展到什么程度了，存在什么问题；最后才是我要克服什么问题，怎么克服。如果前两者凭借的是想象，那么第三点也就失去了价值。

小女王新评测海3开放以来，经常和E国BB朋友交流船只的性能问题。很多非R，小R还有土豪同志们对E国BB的选择又欣喜又纠结：爱尔兰系列船凭借优异的性能稳占BB出场名额，可是真的要开着这条40多级BB打到80多级吗？前两天和怒风交流了一下，最终狠心买了条小女王并痛下决心卖掉爱尔兰，现在谈谈女王和爱尔兰的优劣（酱油的58级BB就直接忽略了）。

求助，LR分类器需要用一下逻辑回归（logistic regression）分类器，记得某篇文献里提到过一个大数据量线性SVM工具箱包含LR分类器（貌似也是林志仁那个组写的？），但是我这里资料弄的很乱，怎么也找不到了。希望有了解的同志提供帮助：1、大数据量线性SVM工具箱的名字或者主页；2、如果有的话，其它著名LR分类工具箱的作者、工具箱名或者相关链接。

我是舔爷，报个道 RT

看了一眼清华学霸的文章 Zhu J Y, Wu J, Wei Y, et al. Unsupervised object class discovery via saliency-guided multiple class learning[C]//Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012: 3218-3225. CVPR2012:http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.cvpapers.com%2Fcvpr2012.html&urlrefer=6c63a49033fb77515b0ed7a7859a64e0 刚开始读，和大牛feifei Li组里的lijia Li方向差不多，jiali是07年提出了Object Bank，目标提取的用的目标滤波器，2012年的CVPR也投了稿（用OB做图像场景识别），所以Wu的工作在2012年把握住了前沿（feifei经常在做特邀发言的时候讲到目标识别），因为各种原因当时Wu的文章漏掉没读。有兴趣的欢迎讨论。

建议：帖子可以搞个标题选择我记得看到有的贴吧在发帖的时候标题前面有个下拉菜单，要求选择一个标题前缀。例如哲学吧就分东哲，西哲，原创，问题，求真等等，帖子越来越多，大家感兴趣的点也不一样，不如弄一个这东西查找帖子方便，也容易找到自己感兴趣的点。建议分：研究，随记、爱好，资源，建议，科幻，哲学，灌水。这样比如搞哲学、业余爱好或者科幻讨论的帖子专业人士绕行；一些研究、资源为主的帖子有专业背景的人进行讨论；另外一些未经推敲的随记标出来省的造成误导。这样自己的圈子讨论自己的内容，干扰会小很多。

很奇怪的一个现象贝叶斯、统计学习、神经网络，本来在各自的领域各自的发展，但是在点开最近一两年的几个方向的会议来看，它们突然因为语义模型走到一起了。去年的ICML还是各种DL，但是图像、计算生物学，NLP等类（好吧，其实我就关注过这三个）的突然出现了三者的交织，而且细读起来模型假设和一些数据处理方式都相互类似。神经网络搞CBOW，CVPR12上图像也搞CBOW；NLP搞潜变量SVM，图像这两年也搞出来好几个有监督潜变量；计算生物学现在也弄到BOW，估计下一步甚至今年年末之前的会议就到语义了。想到以前看过的一部科幻电影叫《这个男人来自地球》，挺有感触的：任何一个人的知识再强，也不会突破人类在那个时代的知识局限。今天小感慨了一下，我熟悉一点的领域居然都开始接触或者开始触动信息科学时代的局限了。貌似信息科学终于要走向大一统，交织在一起在各个领域推动信息科学本身的发展了？

发两个用于资料片的mf_mod 度总

地牢围攻2资料片新出的套装都不显示套装属性 RT，也不显示来自什么事件，装备上的时候显示1/1 2/1 3/1而不是1/3等

ECG与计算机医学看到了以前有人总结一些计算机医学出版物的ISSN和影响因子，有没有最近EI和SCI收录的影响较高的计算机医学或者计算机心脏病方向的这类总结？最近有关ECG的研究也在IEEE的CIC（Computers in Cardiology ）等一些信息学科的会议上出现，但是这类会议在医学和信息学影响力都不大，所以一直抓不到前沿方向。所以也希望前辈推荐一些IEEE或者欧洲这个领域的一些前沿成果出现的会议。

给新出的领军者1.374各位女士捏了一下脸度总

随感：连续出现技术讨论的帖子别管讨论的深浅对错，技术和理论的细节讨论而非概念的争执，这才是多数吧友喜欢的讨论环境吧。支持

关于聊天机器人——精品贴的挖坟度总

人工智能的范畴讨论做机器学习的，接触过一部分人工智能算法，但是人工智能的范畴始终难以搞懂。例如模拟脑结构的人工神经网络，模拟群体行为的粒子群、鱼群、蚁群，模拟物理过程和自然规律的模拟退火、遗传等等算法，它们统统的被归类为人工智能。而统计机器学习例如支持向量机，主题概率模型例如LDA PLSA，非监督聚类算法例如KMEAN，贝叶斯概率模型例如朴素贝叶斯网络，它们却被排斥的人工智能的范畴之外。从算法的设计角度，这些机器学习算法都是机器自己在样本中获取信息并建立回归、分类、排序、检索等“认知”过程，甚至很多模型相比于界定为人工智能的更接近人类的高层认知思维，那么这种界定从何而来，人工智能这个范畴是否还有保留的必要或者应该赋予新的含义呢？

恭喜广东夺冠成功,恭喜我鲁保级成功 RT

恭喜广东拿到赛点王七朱八确实比我鲁小丁和李靖宇强，易建联内线实力也不错，广东实至名归。今天输的不太郁闷，这帮小家伙多跟前辈学习一下认清差距，回头好好训练，对他们成长也很有帮助，逍遥王的临场指挥还是比不过尤纳斯，不过确实他手里的牌不够硬，赢不了也很正常。期待主场我鲁能赢下一场胜利吧。

这尼玛搜狐是标准山东黑啊什么情况，最后一节开始比分乱出，从76平给到82:83落后，这比赛打完3分钟了给东莞加了三分，打完5分钟了又加了3分，太坑了。

为什么没人预测过总决赛山东打辽宁的可能现在所有的预测都是广东打山东，广东打北京，为什么就没人想到辽宁很可能进半决赛并干掉广东？从个人感情上讲，甲A时期由于联赛季后赛采取杯赛的赛制，八一克辽宁，辽宁克山东，山东克八一的死循环总是以辽宁淘汰山东，八一总决赛夺冠告终，可以说这个赛制下中国男篮一直欠着山东和辽宁一个总冠军，出来混了这么久，总该还了吧。鲁辽和当年的几支解放军队才是真正有篮球底蕴的队伍，现如今八一威风不在，济军沦为了三流商业队，但是鲁辽一直凭借完整的人才梯队为中国篮球输血。今年鲁有一干刚打出来的希望之星，外有寻找多年的外援组织后卫，内有两位蓝领外援，团队磨合的恰到好处，辽有正当打的韩德军（虽然不一定能打满全场），有势头正盛的后卫线，还有强力得分外援。说实话，老夫掐指一算，冥冥之中鲁辽争冠也并非不可能。

求教：法国炮手如何转？ RT，春节礼包买的王牌填装和王牌精准，没练过法国，也没计算过，求指导

第54新人报到 RT

开帖劝架，公平的谈谈冲突尽管事情闹的很不愉快，影响也比较恶劣，但是两位运动员都是好球员，麦迪是知名美国籍运动员，美国队前国手，在NBA打出过很好的成绩，吉喆是国内年轻运动员，身体条件不错，基本功也很扎实，这是毋庸置疑的。先说说吉喆的挑衅，这个动作在NBA来说是犯规的，有明确的类似司法解释的条例，出台那几年我恰好也在看球，因为篮球不是我的专业，所以具体指出有些困难。至于FIFA规则和篮联规则，虽然没有明确解释，但是判技术犯规也没什么问题。 cba是职业篮球运动，运动精神就在于和平、平等的竞技，竞技是要分输赢的。在不违反公序良俗且不对运动员造成健康危害的前提下，通过适当的犯规来赢得比赛通常情况下是允许的。吉喆的这个动作不外乎情绪宣泄、恶意炒作和战术性的犯规三种，鄙人认为如果他恶意炒作的话有必要进行严惩，这是严重违反体育道德的，但是这种可能性并不大；如果是情绪宣泄，吉喆确实需要控制场上情绪；如果是为了挑逗麦迪斗气而进行的战术性犯规，那这无可厚非，如果教练或球员认为一次技术犯规挑逗对方主力球员斗气而获得优势是值得的，完全可以做，而且我不认为有什么不妥（前提是不严重违反职业道德，不损害对方运动员健康）。齐达内最后的比赛被红牌罚下也是对方心理战的结果，他确实在最后的比赛中没能保持冷静，输掉了心理战，我记得这件事给大家带来了很多欢乐，并没有什么恶劣影响。再说说麦迪，麦迪是一名老运动员，心理素质应该是过硬的。我认为他那一肘子是一半战术一半出气。虽然说篮球运动员肘击也是违反体育道德的，但是我们客观地说麦迪那一肘子并非是奔废人去的，吉喆并没因此受伤，而且那一肘子几乎非来不可。对于团体运动的核心运动员来讲，全队的荣誉感和归属感非常重要，吉喆的挑逗动作挑逗在麦迪脸上不如说挑逗在青岛队脸上，核心运动员坚决回击有利于增进队伍团结，树立威信。只要他认为这次技术犯规吃的值得，且能把握好分寸不危害对方运动员健康，自然也无可厚非。所以综上所述，我觉得两位运动员做的都不算过分，真正犯错的是球迷朋友。如果一定要找个错误，那就是吉喆的技术犯规裁判漏吹了。但这也不是什么大错，有可能是动作太小而且注意力不在这边没能看到，也可能是没有明文规定裁判经验也不足，不知道如何处理。这件事我觉得有两个教训应该吸取：1、如果没有的话，篮协应该出个条例规范一下挑衅动作的吹罚；2、球迷应该平和心态来看球，看球的目的在于学习体育技术，丰富娱乐生活，激发竞技精神，从这件事球迷的反应来看严重的违背了这些目的。