ANOVA（Analysis of Variance，方差分析）是一种统计方法，在某些场合也被称为F检验（不过F检验指的实际是方差齐性检验），它用于比较三个或更多样本组之间的均值差异。它通过分析组内和组间的方差，来判断不同组别之间的均值是否存在显著差异。ANOVA的基本思想是，如果不同组的均值存在显著差异，那么这些组之间的方差应当大于组内的方差。

本笔记改编自《深度学习经典案例解析：基于MATLAB》一书中的内容，使用ResNet网络来对X光胸片进行检测，判断是否有肺炎。 不过老实说，这个数据集数量太少。并且我自己也无法通过肉眼分辨X光胸片到底有没有肺炎。 所以本笔记更多的是介绍Matlab 如何调用ResNet、如何做数据增强等知识点。

沉浸式翻译终于支持富文本翻译了，以后在网页读论文更舒服了，可以在翻译内容里，直接进行图的跳转

MutationObserver 可以观察 DOM 元素，并在检测到更改时触发回调。特别适用于监控元素的属性、子节点或者文本内容的变化。这个 API 提供了一个高效的机制来追踪这些变化，避免了频繁的轮询操作，可以提升代码性能。

介绍 比例Z检验主要用于检验样本比例与总体比例是否存在显著差异，或者两个独立样本的比例之间是否存在显著差异。通常，这种检验用于大样本（通常样本大小大于30）和二项式分布数据。 比例Z检验基于中心极限定理。当样本量足够大时，样本比例的抽样分布近似服从...

Wilcoxon符号秩检验一种非参数统计检验方法，主要用于比较两个配对样本观测值之间的差异。它是sign test（符号检验）的改进，是在观察“+”“-”号个数的基础上亦考虑差值的大小，通过对差值偏秩求和进行检验的。Wilcoxon符号秩检验是替代「...

好久没有更Matlab和深度学习的笔记了，这次搬运一波Matlab深度学习的官方示例，使用 GoogleNet 来实时对相机采集的图片进行分类 立一个flag，以后一周更一篇Matlab和深度学习的笔记。

❓什么是CNN激活图？ 激活图就像是CNN的"思维过程"，展示了网络在识别图像时各个层次的关注点。简单说，它让我们窥探AI是如何"看"世界的！ ❓激活图具体代表什么 激活图上的每个值 (激活值) 代表了网络对该位置和对应特征的响应程度。 值越大，表示网络对该位置和特征越敏感，认为它越重要。 越深的层的激活图提取的特征越来越抽象：大多数卷积神经网络在第一个卷积层中学习检测颜色和边缘等特征。在更深的卷积层中，网络学习检测更复杂的特征。通过可视化激活图，我们可以观察不同卷积层学习到的特征，以及这些特征如何随着网络深度的增加而变得更加抽象和高级。

日记应该侧重于记录自己的进步与收获，搭上“复利效应”的列车，让自己不断成长。把生活中零散的、碎片的事情和经历，重新整理为一个有序的整体，从而让自己的生命更加连贯，更加有序。

「面向主题地去管理笔记链接」，这一方法在双链笔记圈被叫做 MOC，Map of Contents，直接翻译叫做内容地图，我更喜欢将其翻译为索引笔记、主题笔记。使用MOC不仅仅能使得管理笔记更自由，可以根据需要让笔记出现在不同的MOC笔记里，很轻松地进行笔记复用，实现知识的持续性积累。更重要的是，使用MOC管理笔记，会让你养成「面向主题」的笔记习惯，「以问题为导向」去收集信息、整理信息，让你更多地去深度思考而不仅仅停留在收集信息这个水平上，让学到的知识真正去使用，而不是积灰！实践就是知识的最佳归宿，我们学习知识要用来帮助个人成长、改善生活，而不应该只是热衷囤积与当下目标并不相关的信息，让这些收集得来的信息一直在收藏夹里积灰，浪费时间精力却无所得。