current embedding: [state_size, emb_dim]，其中state_size为link或grid的数量，emb_dim为embedding的维度。

如果对投影坐标系不了解，我们只能对上述需求做个近似，用度来逼近米。假设地球为一个球体，对于赤道和经度圈，360度对应4万km，所以1度对应111km。因此我们可以用“度”和“米”的近似换算来达成上述目的。不过这个简化存在一些问题，在纬度圈上不适用，纬度越大，1度对应的公里数越小。比如，我们希望对一个空间对象外扩50...

效果 代码 {代码...}

Geoserver发布矢量瓦片[链接]geoserver矢量图片发布为mapbox gl style[链接][链接]示例：（注意投影必须是900913） {代码...} Leaflet调用mapbox-gl-js[链接]Leaflet for R调用mapbox-gl-js {代码...}

上传文件 上传文件的后端服务 使用Python Flask实现。 {代码...} 解决跨域访问，需安装flask-cors 上传组件 使用Element UI实现 {代码...} TSV解析 使用d3-dsv库。 {代码...} 表格 使用v-for实现动态列名 {代码...} JS数组操作 资料创建、排序、删除、追加、reverse、slice、join转字符串、concat拼接数组、forEach循环 ...

增广路（augmenting path）：假设目前已有一个匹配结果，存在一组未匹配定点的OD，能够找到一条路径，这条路径上匹配和未匹配的定点交替出现，称为增广路

动态规划思路：假设总共有时刻区间为[0, T)；先计算T-1时刻的所有网格的预期收入（此时未来收入为0，只有当前收入），其本质就是计算当前收入的均值；然后计算T-2时刻的所有网格的预期收入；...；以此类推

从Graph的视角看CNN，上图左右两个部分是等价的。左子图每个网格的通道，对应右子图每个节点的一个属性，左子图卷积核的参数相当于右子图边的权重。所谓3x3卷积就是右子图9个节点属性的加权平均（注意右子图中中间节点自己指向自己的边）。

M. Belkin and P. Niyogi, “Laplacian eigenmaps and spectraltechniques for embedding and clustering,” in NIPS, vol. 14, no. 14,2001, pp. 585–591

Roweis, Sam T. and Laurence K. Saul (2000). “Nonlinear DimensionalityReduction by Locally Linear Embedding.” Science, 290: 2323–2326.doi:10.1126/science.290.5500.2323.

paper: A Taxi Order Dispatch Model based On Combinatorial Optimization 考虑因素： 日期：分为工作日和节假日 时间：按小时离散化，分为24个小时，取值为0-23 经纬度 目的地列表 工作日和节假日分开建模，每个司机单独建模 问题变为：给定时间和经纬度，预测目的地列表的概率分布 根据贝叶斯公式和全概率公式，问题...

paper：A Taxi Order Dispatch Model based On Combinatorial Optimization 背景 业务场景：一个订单被派给多个司机，司机根据自己的喜好选择接受或拒绝 目标：最大化一次派单成单率 关键问题：estimate the probability of each driver's acceptance of an order 算法方案：步骤1，估计每个司机的接单概率；步骤2，将各...

本文为MIT Senseable City Laboratory 2018年5月23号发表于Nature杂志Addressing the minimum fleet problem in on-demand urban mobility论文的学习笔记。

gisorange关于最短路算法的总结 Dijkstra、A*、双向Dijkstra、双向A*基本原理 KIT路径规划研究项目 CH算法, CH算法2 PUNCH图分割算法 CRP算法 CRP算法中文简介

Leaflet side by side需要将src="xxxx"改为src="本地绝对路径" {代码...} Leaflet Playback {代码...} Proj4Leaflet高德地图 {代码...} 百度地图 {代码...}

{代码...}

Jupyter原来叫做IPython，后来改名为Jupyter，意思是Julia+Python+R，囊括了三大数据科学语言。Jupyter编程环境具有以下两个特点：

地球是一个椭球，Datum是一组用于描述这个椭球的数据集合。最常用的一个Datum是WGS84（World Geodetic System 1984），它的主要参数有：

在一个Shiny App中，如果点击一个按钮，往往意味着一些R代码会被执行。如果这段代码执行时间很短，用户体验不会受到影响；如果这段代码执行时间很长，界面上如果不提供给用户一些即时的反馈，就会让用户感到困惑。

Neural Style是一个非常有意思的深度学习应用：输入一张代表内容的图片和一张代表风格的图片，深度学习网络会输出一张融合了这个风格和内容的新作品。

reactive conductor：reactive source和reactive endpoint之间的操作，主要用来封装性能较低的操作，避免重复运算。常用场景有：访问数据库、读取文件、执行低性能操作等。

引言 用TensorFlow做好一个机器学习项目，需要具备多种代码能力： 工程开发能力：怎么读取数据、怎么设计与运行Computation Graph、怎么保存与恢复变量、怎么保存统计结果、怎么共享变量、怎么分布式部署 数据操作能力：怎么将原始数据一步步转化为模型需要的数据，中间可能涉及到Tensor转换、字符串处理、JSON处理等 模...

Feeding：当TensorFlow运行每步计算的时候，从Python获取数据。在Graph的设计阶段，用placeholder占住Graph的位置，完成Graph的表达；当Graph传给Session后，在运算时再把需要的数据从Python传过来。

A TensorFlow "cluster" is a set of "tasks" that participate in the distributed execution of a TensorFlow graph. Each task is associated with a TensorFlow "server", which contains a "master" that can be used to create sessions, and a "worker" that executes operations in the graph.

本文输入数据是MNIST，全称是Modified National Institute of Standards and Technology，是一组由这个机构搜集的手写数字扫描文件和每个文件对应标签的数据集，经过一定的修改使其适合机器学习算法读取。这个数据集可以从牛的不行的Yann LeCun教授的网站获取。

前言 本文基于TensorFlow官网How-Tos的Visualizing Learning和Graph Visualization写成。 TensorBoard是TensorFlow自带的一个可视化工具。本文在学习笔记（4）的基础上修改少量代码，以探索TensorBoard的使用方法。 代码 {代码...} 思考 主要修改点有： Summary：所有需要在TensorBoard上展示的统计结果。 tf.name_scope...

TensorBoard是TensorFlow自带的一个可视化工具，Embeddings是其中的一个功能，用于在二维或三维空间对高维数据进行探索。

本文基于TensorFlow官网的Tutorial写成。输入数据是MNIST，全称是Modified National Institute of Standards and Technology，是一组由这个机构搜集的手写数字扫描文件和每个文件对应标签的数据集，经过一定的修改使其适合机器学习算法读取。这个数据集可以从牛的不行的Yann LeCun教授的网站获取。

本文基于TensorFlow官网的Tutorial写成。输入数据是MNIST，全称是Modified National Institute of Standards and Technology，是一组由这个机构搜集的手写数字扫描文件和每个文件对应标签的数据集，经过一定的修改使其适合机器学习算法读取。这个数据集可以从牛的不行的Yann LeCun教授的网站获取。

对于逻辑回归，损失函数比线性回归模型复杂了一些。首先需要通过sigmoid函数，将线性回归的结果转化为0至1之间的概率值。然后写出每个样本的发生概率（似然），那么所有样本的发生概率就是每个样本发生概率的乘积。为了求导方便，我们对所有样本的发生概率取对数，保持其单调性的同时，可以将连乘变为求和（加法的求导公...