之前有一个微信公众号，但里面写技术文章太不方便，国内的很多博客对数学公式支持也不咋的，所以就萌生了自己建一个的想法。对于不懂Python,不懂HTML的小白，如何才能快速建站。
快速开始
上海电信弄了个精品网，然后国外网站的打开速度就慢了不是一点点，github的很多代码都下载不下来。对于数据科学工作者，这里提供一个各种软件和代码的集成包，可以让你快速开始Blog之路。
(未完待续)
QTT: 一种自带并行的数组结构
我们知道很多算法内部都是一些基本运算的组合，比如向量加减法，矩阵加减，矩阵-向量乘积，矩阵乘法，hadamard积，kronecker张量积，元素索引等。而QTT对于这些运算都可以很简单的实现并行。
首先我们来看一下，什么是QTT表示。给定一个多维数组A，其可以是向量，矩阵，或者更高维的数组，这都不是问题。 设A的维数为\(l\)，如果它有如下的表示，则我们称其为多维数组A的QTT分解。
$$ A= U_1 \bowtie U_2 \bowtie \cdots \bowtie U_d $$那读者肯定得问这里的\(U_k\)和\(\bowtie\)是什么鬼，先不急，假设你已经懂了，就把它看成是一种编码。按这个编码我们来看看常见的运算是怎么实现的。
1.加法
$$ A+B=\left[\begin{array}{cc} U_1 & V_1 \end{array} \right] \bowtie \left[ \begin{array}{cc} U_{2} & \\ & V_{2} \end{array} \right] \bowtie \cdots \bowtie \left[ \begin{array}{c} U_d \\ V_d \end{array}\right] $$ ...标签: QTTQTT-Toolbox QuickStart
QTT分解介绍
QTT（Quantics Tensor Train）分解是一种适用于任意分层张量(包含多维数组)的张量分解方法, 通过对数组的反复折叠该分解可以达到降维和特征提取的作用。QTT已被证明是一种基于流形学习的降维工具和多尺度的特征提取工具。
定义：给定一个分层张量(包含向量、矩阵等多维数组)A，如果其有如下表示，
$$ A= U_1 \bowtie U_2 \bowtie \cdots \bowtie U_d $$其中后面d-1个QTT核满足右正交条件, 则称之为A的QTT分解。
工具箱介绍
这是一个用MATLAB语言写的QTT-Toolbox，免费提供大家使用,使用后请注明引用,谢谢。工具箱将分层张量新定义成了一个类，分层张量之间的大部分运算都已实现。通过这个模块化编程，我们能更加简单的扩展编程。如果读者发现函数有bug或者实现算法能加速，请邮件告之作者，谢谢。
=============================================
JSong,20-Jul-2015
Last Revision: 11-Aug-2015.
Github:http://github.com/gasongjian/QTT/
citition ...
导读：PCANet,Simple Deep Learning Baseline for Image Classification?
之前看过一句话，未来领域类专家需求将越来越少，而相应的数据挖掘专家需求将不断增加，这时因为深度学习的核心在于其自适应的特征提取。PCANet是一个基于CNN的简化Deep Learning模型。之所以读它是因为它是基于PCA(SVD)的，其卷积核从图像信号的某种SVD分解得到的，而这也是张量列分解的核心之一。与CNN相比，该网络卷积核是直接通过PCA计算得到的，而不是像CNN一样通过反馈迭代得到的。
从上图可以看到，PCANet的训练分为三个步骤(stage)，前两个stage很相似，都是去平均，然后PCA取主成分并卷积，最后一步是二值化和直方图量化。下面按步骤介绍PCANet的训练过程：
一、特征提取
1、First stage:
1)、选取一个\(k_1 \times k_2\)的窗口(通常为\(3 \times 3\)、\(5\times 5\)、\(7\times 7\))来滑动选取图片的局部特征。每张\(m\times n\)大小的图片\(I_i\) ...