Matrix-yang
Matrix-yang

概率论与数理统计（数理统计部分）

数理统计部分

目录

  • 数理统计部分
  • P60 总体和样本
        • 1.总体
        • 2.样本
        • 3.简单随机抽样
  • P61 统计量
  • P62 卡方分布
        • 1.卡方分布的定义，密度函数，函数图像，性质
        • 2.上a分位数
  • P63 t分布和F分布
        • 1.t分布的定义，密度函数，函数图像和a（阿尔法）分位数
        • 2.F分布，密度函数，函数图像和a（阿尔法）分位数
  • P64单个正态总体的抽样分布
  • P65两个正态总体的抽样分布
  • p66矩估计
        • 1. 常见概念（参数，店估计，区间估计）
        • 2.矩估计
  • p67极大似然估计
        • 1.离散型事件的极大似然估计
        • 2.连续型的极大似然估计
  • p68 最大似然估计习题
  • p69估计量的评价准则
        • 1.常用评价准则
        • 2.无偏性
  • p70有效性准则和军方误差准则
        • 3.均方误差准则
  • p71 相合性准则
        • 4.相合性准则
  • p72置信区间，精确度
        • 1.双侧置信区间
        • 2.单侧置信区间
        • 2.精确度
  • p73枢轴量法
        • 1.枢轴量法![在这里插入图片描述](https://img-blog.csdnimg.cn/20200107100613172.png)
        • 2.枢轴量与统计量的区别
        • 3.可转换成单侧置信区间求解
  • p74枢轴量法（二）
  • p75 单个正态总体均值的区间估计
        • 1.知道分分布的情况
        • 2.分布未知但是可以看做正态的
  • p76成对数据均值差，单个正太总体方差的区间估计
        • 1.成对数据均值差的区间估计
        • 2.方差的区间估计
  • p77 两个正态总体参数的区间估计
  • p78假设检验的基本思想（一）
        • 1.假设检验四步曲
          • 1.1假设检验四步的原则和形式
        • 2，检验统计量，接受域，拒绝域
  • p79假设检验的基本思想（二）
        • 3.两类错误和临界值
        • 4. 根据样本结果得出结论
        • 5.P_值法的三四步
        • 临界值法概述
        • P值法概述
  • p80单个正太总体的均值假设检验（标准差已知）
  • p81单个正太总体的均值假设检验（标准差未知）
  • P82 成对数据做差的均值和标注差的建设检验
  • p83 两个正态总体的假设检验（比较两个正态总体均值的检验）
  • p84 两个正态总体的假设检验（比较两个正态总体标准差的检验）
  • p85 拟合优度检验
  • p86单因素方差分析
  • p87 单因素方差分析（参数估计）
  • p88一元线性回归（参数估计）
  • p89一元线性回归（模型校验和实际应用）

P60 总体和样本

1.总体

概率论与数理统计（数理统计部分）_第1张图片

2.样本

概率论与数理统计（数理统计部分）_第2张图片

3.简单随机抽样

概率论与数理统计（数理统计部分）_第3张图片

P61 统计量

概率论与数理统计（数理统计部分）_第4张图片
概率论与数理统计（数理统计部分）_第5张图片
视频中的例子将了为什么不是1/n而是1/n-1
概率论与数理统计（数理统计部分）_第6张图片
概率论与数理统计（数理统计部分）_第7张图片
概率论与数理统计（数理统计部分）_第8张图片

P62 卡方分布

1.卡方分布的定义，密度函数，函数图像，性质

概率论与数理统计（数理统计部分）_第9张图片
概率论与数理统计（数理统计部分）_第10张图片
概率论与数理统计（数理统计部分）_第11张图片
概率论与数理统计（数理统计部分）_第12张图片

2.上a分位数

概率论与数理统计（数理统计部分）_第13张图片

P63 t分布和F分布

1.t分布的定义，密度函数，函数图像和a（阿尔法）分位数

概率论与数理统计（数理统计部分）_第14张图片
概率论与数理统计（数理统计部分）_第15张图片
概率论与数理统计（数理统计部分）_第16张图片
极限区趋于正态分布
概率论与数理统计（数理统计部分）_第17张图片

2.F分布，密度函数，函数图像和a（阿尔法）分位数

概率论与数理统计（数理统计部分）_第18张图片
概率论与数理统计（数理统计部分）_第19张图片
概率论与数理统计（数理统计部分）_第20张图片
概率论与数理统计（数理统计部分）_第21张图片

P64单个正态总体的抽样分布

概率论与数理统计（数理统计部分）_第22张图片
概率论与数理统计（数理统计部分）_第23张图片

P65两个正态总体的抽样分布

概率论与数理统计（数理统计部分）_第24张图片
概率论与数理统计（数理统计部分）_第25张图片
概率论与数理统计（数理统计部分）_第26张图片
概率论与数理统计（数理统计部分）_第27张图片
证明视频中有讲
概率论与数理统计（数理统计部分）_第28张图片

p66矩估计

1. 常见概念（参数，店估计，区间估计）

概率论与数理统计（数理统计部分）_第29张图片
概率论与数理统计（数理统计部分）_第30张图片

2.矩估计

概率论与数理统计（数理统计部分）_第31张图片
概率论与数理统计（数理统计部分）_第32张图片概率论与数理统计（数理统计部分）_第33张图片

p67极大似然估计

1.离散型事件的极大似然估计

概率论与数理统计（数理统计部分）_第34张图片

2.连续型的极大似然估计

概率论与数理统计（数理统计部分）_第35张图片
概率论与数理统计（数理统计部分）_第36张图片
概率论与数理统计（数理统计部分）_第37张图片

p68 最大似然估计习题

p69估计量的评价准则

1.常用评价准则

概率论与数理统计（数理统计部分）_第38张图片

2.无偏性

概率论与数理统计（数理统计部分）_第39张图片
概率论与数理统计（数理统计部分）_第40张图片
概率论与数理统计（数理统计部分）_第41张图片

p70有效性准则和军方误差准则

####2.有效性准则（接上一节）
概率论与数理统计（数理统计部分）_第42张图片
概率论与数理统计（数理统计部分）_第43张图片

3.均方误差准则

概率论与数理统计（数理统计部分）_第44张图片

p71 相合性准则

4.相合性准则

概率论与数理统计（数理统计部分）_第45张图片

p72置信区间，精确度

1.双侧置信区间

概率论与数理统计（数理统计部分）_第46张图片
概率论与数理统计（数理统计部分）_第47张图片

2.单侧置信区间

概率论与数理统计（数理统计部分）_第48张图片
概率论与数理统计（数理统计部分）_第49张图片

2.精确度

概率论与数理统计（数理统计部分）_第50张图片
区间长度越小精确度越高

p73枢轴量法

枢轴量法是用来求置信区间的方法

1.枢轴量法概率论与数理统计（数理统计部分）_第51张图片

概率论与数理统计（数理统计部分）_第52张图片

2.枢轴量与统计量的区别

概率论与数理统计（数理统计部分）_第53张图片

3.可转换成单侧置信区间求解

概率论与数理统计（数理统计部分）_第54张图片
概率论与数理统计（数理统计部分）_第55张图片

p74枢轴量法（二）

概率论与数理统计（数理统计部分）_第56张图片
概率论与数理统计（数理统计部分）_第57张图片
概率论与数理统计（数理统计部分）_第58张图片

p75 单个正态总体均值的区间估计

1.知道分分布的情况

概率论与数理统计（数理统计部分）_第59张图片
概率论与数理统计（数理统计部分）_第60张图片
概率论与数理统计（数理统计部分）_第61张图片
Za/2 上 a/2分位数（概率论中概念）
概率论与数理统计（数理统计部分）_第62张图片
概率论与数理统计（数理统计部分）_第63张图片

2.分布未知但是可以看做正态的

概率论与数理统计（数理统计部分）_第64张图片
概率论与数理统计（数理统计部分）_第65张图片

p76成对数据均值差，单个正太总体方差的区间估计

1.成对数据均值差的区间估计

概率论与数理统计（数理统计部分）_第66张图片
概率论与数理统计（数理统计部分）_第67张图片

2.方差的区间估计

概率论与数理统计（数理统计部分）_第68张图片
概率论与数理统计（数理统计部分）_第69张图片
概率论与数理统计（数理统计部分）_第70张图片

p77 两个正态总体参数的区间估计

概率论与数理统计（数理统计部分）_第71张图片
概率论与数理统计（数理统计部分）_第72张图片
概率论与数理统计（数理统计部分）_第73张图片
概率论与数理统计（数理统计部分）_第74张图片
概率论与数理统计（数理统计部分）_第75张图片
概率论与数理统计（数理统计部分）_第76张图片
概率论与数理统计（数理统计部分）_第77张图片

p78假设检验的基本思想（一）

1.假设检验四步曲

概率论与数理统计（数理统计部分）_第78张图片

1.1假设检验四步的原则和形式

概率论与数理统计（数理统计部分）_第79张图片
概率论与数理统计（数理统计部分）_第80张图片
概率论与数理统计（数理统计部分）_第81张图片
概率论与数理统计（数理统计部分）_第82张图片

2，检验统计量，接受域，拒绝域

概率论与数理统计（数理统计部分）_第83张图片
概率论与数理统计（数理统计部分）_第84张图片
概率论与数理统计（数理统计部分）_第85张图片
概率论与数理统计（数理统计部分）_第86张图片

p79假设检验的基本思想（二）

3.两类错误和临界值

在这里插入图片描述
概率论与数理统计（数理统计部分）_第87张图片
概率论与数理统计（数理统计部分）_第88张图片

4. 根据样本结果得出结论

概率论与数理统计（数理统计部分）_第89张图片

5.P_值法的三四步

概率论与数理统计（数理统计部分）_第90张图片

临界值法概述

概率论与数理统计（数理统计部分）_第91张图片

P值法概述

概率论与数理统计（数理统计部分）_第92张图片

p80单个正太总体的均值假设检验（标准差已知）

检验统计量服从正态分布，推导了双边检验和单边检验的公式有例题

p81单个正太总体的均值假设检验（标准差未知）

检验统计量服从t分布，推导了双边检验和单边检验的公式有例题

P82 成对数据做差的均值和标注差的建设检验

p83 两个正态总体的假设检验（比较两个正态总体均值的检验）

p84 两个正态总体的假设检验（比较两个正态总体标准差的检验）

p85 拟合优度检验

检验样本是否服从某种分布
概率论与数理统计（数理统计部分）_第93张图片
概率论与数理统计（数理统计部分）_第94张图片
概率论与数理统计（数理统计部分）_第95张图片
概率论与数理统计（数理统计部分）_第96张图片
概率论与数理统计（数理统计部分）_第97张图片
概率论与数理统计（数理统计部分）_第98张图片
概率论与数理统计（数理统计部分）_第99张图片

p86单因素方差分析

相当于多个随机变量均值的假设检验
概率论与数理统计（数理统计部分）_第100张图片

p87 单因素方差分析（参数估计）

p88一元线性回归（参数估计）

p89一元线性回归（模型校验和实际应用）

你可能感兴趣的:(数学基础)

  • 【无标题】大模型智能涌现的数学本质与底层机制 调皮的芋头 AI编程神经网络人工智能机器学习AIGC
    大模型智能涌现的数学本质与底层机制一、语言建模的数学基础大模型的核心任务是基于概率链式法则建模语言序列：P(w1,...,wn)=∏t=1nP(wt∣w10^{11})时出现能力相变相变示例：参数量级涌现能力数学机制10^9基础语法低维流形建模10^11多步推理高维空间路径积分10^13跨模态类比抽象概念解纠缠五、知识压缩的代数结构张量分解视角：模型权重矩阵(W\in\mathbb{R}^{d×d
  • 人工智能之数学基础：矩阵的秩 每天五分钟玩转人工智能 机器学习深度学习之数学基础人工智能矩阵机器学习深度学习线性代数秩
    本文重点矩阵的秩，作为矩阵理论中的一个核心概念，是连接矩阵性质与应用的重要桥梁。本文我们将学习矩阵秩的概念，通过矩阵的秩可以判断矩阵是否可逆等等，所以矩阵的秩是非常重要的一个概念。矩阵秩的概念秩定义为矩阵A的线性独立的行（或列）的最大数目。也就是说，如果把矩阵看成由行向量或列向量组成，那么矩阵的秩就是这些向量中极大线性无关组所含向量的个数。矩阵的秩定义为矩阵线性无关的行向量或者列向量的最大数量，表
  • 集合论导引：第一递归定义定理 AI大模型应用之禅 DeepSeekR1&AI大模型与大数据javapythonjavascriptkotlingolang架构人工智能
    集合论,递归定义,第一递归定义定理,数学基础,计算机科学,数据结构,算法设计1.背景介绍在计算机科学的蓬勃发展中，集合论作为基础数学分支，扮演着至关重要的角色。它为数据结构、算法设计、程序语言等领域提供了坚实的理论基础。其中，递归定义是集合论中一个重要的概念，它能够简洁地描述复杂集合的结构和性质。本文将深入探讨第一递归定义定理，揭示其背后的数学原理和计算机科学中的应用。2.核心概念与联系2.1集合
  • 规控算法工程师的技术图谱和学习路径 执于代码 开发者职业加速服务算法学习
    规控算法工程师技术图谱与学习路径规控算法工程师（规划与控制算法工程师）是自动驾驶领域的核心岗位之一，涉及路径规划、行为决策、运动控制等多个技术模块。以下为技术图谱与学习路径的整合，结合行业需求和技术发展趋势。一、技术图谱核心模块数学基础线性代数：矩阵运算、向量空间、特征值分解（用于控制系统建模与优化）。微积分：梯度下降、泰勒展开、动态系统建模（支持控制算法推导）。概率论与统计学：贝叶斯理论、马尔可
  • 图像算法工程师的技术图谱和学习路径 执于代码 开发者职业加速服务算法学习
    01.图像算法图像算法工程师的技术图谱和学习路径涵盖了多个技术领域，从基础知识到高级算法，涉及计算机视觉、深度学习、图像处理、数学和编程等多个方面。以下是图像算法工程师的技术图谱和学习路径的详细总结。1.基础数学与编程数学基础：线性代数：矩阵运算、特征值、特征向量、奇异值分解（SVD）等概率论与统计：概率分布、贝叶斯定理、最大似然估计（MLE）、假设检验等微积分：导数、梯度、最优化方法（梯度下降、
  • 推荐算法工程师的技术图谱和学习路径 执于代码 开发者职业加速服务推荐算法学习算法
    推荐算法工程师的技术图谱和学习路径可以从多个维度进行概述，可以总结如下：一、技术图谱推荐算法工程师需要掌握的技术栈主要分为以下几个方面：数学基础：微积分、线性代数、概率论与统计学是推荐算法的基础，用于理解模型的数学原理和优化算法。高等数学、最优化理论、几何和图论等知识对于复杂模型的设计和优化至关重要。编程与数据结构：熟练掌握Python、Java等编程语言，具备良好的编程习惯和代码优化能力。掌握数
  • 人工智能： 增广矩阵数学基础到综合实战！！！ 小南AI学院 人工智能矩阵算法
    1.增广矩阵一、基本概念增广矩阵是将系数矩阵AAA与常数项向量bbb并在一起形成的矩阵，记作[A∣b][A|b][A∣b]。例如，对于线性方程组：{x+2y=53x−y=1\begin{cases}x+2y=5\\3x-y=1\end{cases}{x+2y=53x−y=1其增广矩阵为：[A∣b]=(12∣53−1∣1)[A|b]=\begin{pmatrix}1&2&|&5\\3&-1&|&1\
  • 人工智能之数学基础：线性代数中的特殊矩阵 每天五分钟玩转人工智能 机器学习深度学习之数学基础线性代数人工智能矩阵机器学习线性空间深度学习
    本文重点矩阵是数学中一个重要的工具，在各个领域都有广泛的应用。其中，一些特殊矩阵由于具有独特的性质，在特定的问题中发挥着关键作用。单位矩阵单位矩阵是一种特殊的方阵，在矩阵乘法中起到类似于数字“1”的作用。对于一个的单位矩阵，其主对角线元素全为1，其余元素全为0。性质对于任意一个nxn的矩阵A，有AxI=IxA=A。这表明单位矩阵与任何同阶矩阵相乘都不改变该矩阵。单位矩阵是可逆的，且其逆矩阵就是它本
  • 人工智能直通车系列01【Python 基础与数学基础】（Python 基础语法：变量、数据类型） 浪九天 人工智能直通车python开发语言机器学习深度学习人工智能
    目录变量数据类型变量在Python中，变量是存储数据值的容器。变量不需要显式声明数据类型，Python会根据赋给变量的值自动推断其类型。变量命名需遵循一定规则：只能包含字母、数字和下划线，且不能以数字开头，不能是Python关键字。示例：#定义一个整数变量age=25print(age)#输出:25#定义一个字符串变量name="Alice"print(name)#输出:Alice#修改变量的值a
  • 解构R语言底层逻辑：用语言学思维进行降维打击 南大小程聊科研 r语言
    以我多年自学以及辅导身边同学、同事的经验来看，许多人不是学不会R语言，而是刚开始就对“编程”这两个字带有一种潜意识里面的恐惧感，然后想着编程肯定需要数学基础，自己没学过等等负面情绪。实际上，对于R语言来讲，和我们以前学过的英语没有任何区别，用语言学的方法去带入，就可以非常快速的对R语言产生理解。下面，我将利用语言学思维，对R语言的底层逻辑进行降维打击。一、R语言赋值语句就是主系表结构在刚开始学英语
  • 智能路径规划：从数学建模到算法优化的理论与实践 木子算法 人工智能数学建模数学建模算法人工智能
    智能路径规划：从数学建模到算法优化的理论与实践一、引言在机器人学、自动驾驶、物流调度等领域，路径规划是实现自主导航的核心技术。从经典的Dijkstra算法到前沿的强化学习方法，路径规划技术的发展始终依赖于数学建模与算法优化的深度结合。本文将系统构建路径规划的理论框架，通过数学公式推导核心算法原理，并结合MATLAB代码实现完整的技术闭环。二、路径规划的数学基础（一）状态空间建模路径规划的本质是在状
  • 机器学习数学基础：32.复本信度 @心都 机器学习算法人工智能
    复本信度（Parallel-FormsReliability）深度详解教程专为小白打造，零基础也能轻松掌握一、深度解读复本信度复本信度，也被称为“平行测验信度”，其核心要义是借助两个虽然不同但在各方面等效的测验版本，对同一批受测者进行多次测量，然后对测量结果的一致性程度展开评估。从本质上讲，它是衡量测验稳定性的重要指标，能够有效减少因题目重复出现而致使受测者产生练习或记忆效应，进而影响测验结果真实
  • LM_Funny-2-01 递推算法：从数学基础到跨学科应用 王旭·wangxu_a 算法
    目录第一章递推算法的数学本质1.1形式化定义与公理化体系定理1.1(完备性条件)1.2高阶递推的特征分析案例：Gauss同余递推4第二章工程实现优化技术2.1内存压缩的革新方法滚动窗口策略分块存储技术2.2异构计算加速方案GPU并行递推量子计算原型第三章跨学科应用案例3.1密码学中的递推构造混沌流密码系统3.2生物信息学的序列分析DNA甲基化预测第一章递推算法的数学本质1.1形式化定义与公理化体系
  • 【人工智能数学基础篇】线性代数基础学习：深入解读矩阵及其运算 猿享天开 人工智能基础知识学习线性代数人工智能学习矩阵及其运算
    矩阵及其运算：人工智能入门数学基础的深入解读引言线性代数是人工智能（AI）和机器学习的数学基础，而矩阵作为其核心概念之一，承担着数据表示、变换和运算的重任。矩阵不仅在数据科学中广泛应用，更是神经网络、图像处理、自然语言处理等领域的重要工具。本文将深入探讨矩阵的基本概念、性质及其运算，通过详细的数学公式、推导过程和代码示例，帮助读者更好地理解矩阵在AI中的应用。第一章：矩阵的基本概念1.1矩阵的定义
  • 大模型学习路线与资源推荐 数字化转型2025 AI投资人工智能
    以下是基于多篇参考资料整理的大模型学习路线，涵盖从基础到进阶的完整学习路径，帮助您系统掌握大模型核心技术并应用于实际场景：一、基础阶段：构建核心知识体系编程与数学基础编程语言：优先学习Python，掌握其语法、数据结构及常用库（如NumPy、Pandas、PyTorch）37。数学基础：线性代数、概率论与统计学、微积分是理解模型原理的基石，需重点掌握矩阵运算、概率分布等概念39。深度学习入门神经网
  • 初学者推荐学习AI的路径 ProgramHan 学习人工智能
    学习人工智能的路径可以分为基础知识、编程技能、机器学习、深度学习、数据处理与可视化、自然语言处理（NLP）、计算机视觉（CV）、强化学习、实践项目和持续学习几个阶段。以下是一个简要的路径：1️⃣基础知识数学基础（线性代数、微积分、概率统计）编程基础（Python/R等语言）算法与数据结构2️⃣机器学习基础理解监督学习（如回归、分类）、无监督学习（如聚类、PCA）掌握机器学习库（如scikit-le
  • 机器学习数学基础：36.φ相关系数分析 @心都 机器学习人工智能
    用φ相关系数分析性别与心理测验态度关系的教程一、学习目标学会使用φ相关系数分析两个二分变量（如性别男/女、对心理测验态度肯定/否定）之间的关系，并通过卡方检验判断结果是否具有统计学意义。二、数据准备假设我们想研究青年大学生的性别和对心理测验的态度之间的关系，收集到如下2×22×22×2列联表数据（调查了170170170人）：肯定否定合计男生222222888888110110110女生18181
  • 机器学习数学基础：37.偏相关分析 @心都 机器学习人工智能
    偏相关分析教程一、偏相关分析是什么在很多复杂的系统中，比如地理系统，会有多个要素相互影响。偏相关分析就是在这样多要素构成的系统里，不考虑其他要素的干扰，专门去研究两个要素之间关系紧密程度的一种方法。用来衡量这种紧密程度的数值，叫做偏相关系数。举个简单例子，在研究一个地区的房价时，房价会受到很多因素影响，像地段、房屋面积、周边配套设施等。如果我们想知道单纯的房屋面积和房价之间的关系，就可以用偏相关分
  • 机器学习数学基础：22.对称矩阵的对角化 @心都 机器学习矩阵概率论
    一、核心概念详解（一）内积定义与公式：在nnn维向量空间中，对于向量x⃗=(x1,x2,⋯ ,xn)\vec{x}\=(x_1,x_2,\cdots,x_n)x=(x1,x2,⋯,xn)和y⃗=(y1,y2,⋯ ,yn)\vec{y}\=(y_1,y_2,\cdots,y_n)y=(y1,y2,⋯,yn)，内积记作(x⃗,y⃗)(\vec{x},\vec{y})(x,y)，其计算公式为(x⃗,y⃗
  • 机器学习数学基础：34.点二列 @心都 机器学习概率论人工智能
    点二列相关教程一、点二列相关的定义点二列相关是一种统计方法，用于衡量两个变量之间的相关程度。在这种相关分析中，一个变量是正态连续性变量，取值可以是连续的数值，比如身高、体重、考试分数等；另一个是真正的二分名义变量，其两个类别是天然存在、相互独立的，不能再细分，像性别（男/女）、是否吸烟（是/否）、抛硬币的结果（正面/反面）等。二、适用场景点二列相关常用于研究天然二分变量与连续变量之间的关系。例如在
  • 机器学习的数学基础(三)——概率与信息论 梦醒沉醉 数学基础概率论信息论
    目录1.随机变量2.概率分布2.1离散型变量和概率质量函数2.2连续型变量和概率密度函数3.边缘概率4.条件概率5.条件概率的链式法则6.独立性和条件独立性7.期望、方差和协方差7.1期望7.2方差7.3协方差8.常用概率分布8.1均匀分布U(a,b)U(a,b)U(a,b)8.2Bernoulli分布8.3Multinoulli分布8.4高斯分布(正态分布)N(x;μ,σ2)N(x;\mu,\s
  • DeepSeek 学习路线图 CarlowZJ 学习deepseek
    以下是基于最新搜索结果整理的DeepSeek学习路线图，涵盖从基础到高级的系统学习路径，帮助你全面掌握DeepSeek的使用和应用开发。一、基础知识与预备技能1.数学基础线性代数：掌握矩阵运算和向量空间，这是深度学习的核心。概率统计：理解贝叶斯理论和概率分布，用于模型训练和推理。微积分：了解优化算法中的梯度下降等概念。2.编程基础Python：掌握Python编程，这是深度学习和AI开发的主要语言
  • 《机器学习数学基础》补充资料：四元数、点积和叉积 CS创新实验室 机器学习数学基础机器学习人工智能机器学习数学基础
    《机器学习数学基础》第1章1.4节介绍了内积、点积的有关概念，特别辨析了内积空间、欧几里得空间；第4章4.1.1节介绍了叉积的有关概念；4.1.2节介绍了张量积（也称外积）的概念。以上这些内容，在不同资料中，所用术语的含义会有所差别，读者阅读的时候，不妨注意，一般资料中，都是在欧几里得空间探讨有关问题，并且是在三维的欧氏空间中，其实质所指即相同。但是，如果不是在欧氏空间中，各概念、术语则不能混用。
  • 《机器学习数学基础》补充资料：求解线性方程组的克拉默法则 CS创新实验室 机器学习数学基础机器学习人工智能机器学习数学基础
    《机器学习数学基础》中并没有将解线性方程组作为重点，只是在第2章2.4.2节做了比较完整的概述。这是因为，如果用程序求解线性方程组，相对于高等数学教材中强调的手工求解，要简单得多了。本文是关于线性方程组的拓展，供对此有兴趣的读者阅读。1.线性方程组的解位于一条直线不失一般性，这里讨论三维空间的情况，对于多维空间，可以由此外推，毕竟三维空间便于想象和作图说明。设矩阵A=[124135]\pmb{A}
  • [总结] 音视频开发工程师之路 二进制怪兽 音视频音视频
    前言音视频开发是一个涉及多个技术领域的复杂方向，涵盖了音频处理、视频渲染、编解码技术、流媒体传输等多个方面。以下是一个简要的学习路线指南，帮助你逐步掌握音视频开发的核心技能。基础知识计算机科学基础：掌握操作系统、计算机网络、数据结构和算法等基础知识。数学基础：了解傅里叶变换、线性代数、信号处理等数学知识，这些是音视频编-解码和处理的基石。编程语言：熟练掌握C/C++，这是音视频开发中最常用的语言；
  • Java程序员面临抉择：激烈竞争下，转行大模型或是新出路，非常详细收藏我这一篇就够了！ 大模型教程 大模型学习学习大模型语言模型人工智能程序员转行
    Java程序员转行大模型领域，可以依据以下详细路线进行学习和职业转换：第1阶段：基础知识巩固数学基础：线性代数：矩阵运算、向量空间等。概率论与统计：概率分布、统计推断等。微积分：导数、积分、多变量函数等。Python编程：Python基础：数据类型、控制结构、函数等。Python进阶：面向对象编程、装饰器、生成器等。数据处理：NumPy、Pandas、Matplotlib。第2阶段：机器学习与深度
  • 《人工智能所需的数学基础》：开启AI领域的数学之旅 杨焕月Great
    《人工智能所需的数学基础》：开启AI领域的数学之旅【下载地址】人工智能所需的数学基础人工智能所需的数学基础欢迎来到《人工智能所需的数学基础》资源页面项目地址:https://gitcode.com/open-source-toolkit/2af1b项目介绍在人工智能（AI）的广阔天地中，数学是不可或缺的基石。《人工智能所需的数学基础》资源包正是为了帮助那些渴望深入AI领域的学习者，提供一套系统、全
  • 【人工智能】AI现状分析 || 神经网络的数学基础 || 人工智能交叉领域的发展和技术应用 || 附：小白入门人工智能 学习步骤 追光者♂ Python从入门到人工智能百题千解计划(项目实战案例）人工智能交叉领域神经网络的数学基础AI现状分析
    声明：仅学习使用~资料整理分析不易，点个赞吧！目录1.AI现状分析（人工智能基础入门概念）1.1人工智能基础概念1.2人工智能的技术发展路线1.3产业发展的驱动因素1.4人工智能薪资岗位介绍2.神经网络的数学基础2.1神经网络的生物表示2.2神经网络的数学表示2.3神经网络必备的一些数学基础2.3.1Sigmoid函数2.3.2偏置2.4总结3.人工智能交叉领域的发展和技术应用3.1人工智能应用交
  • 一文读懂！深度学习 + PyTorch 的超实用学习路线 a小胡哦 深度学习pythonpytorch
    深度学习作为人工智能领域的核心技术，正深刻改变着诸多行业。PyTorch则是深度学习实践中备受青睐的框架，它简单易用且功能强大。下面就为大家详细规划深度学习结合PyTorch的学习路线。一、基础知识储备数学基础数学是很重要的！！！线性代数、概率论与数理统计、微积分是深度学习的数学基石。熟悉矩阵运算、概率分布、梯度计算等概念，能帮助理解深度学习模型的原理。例如，在神经网络中，矩阵乘法用于神经元之间的
  • 线性代数导引：张量与张量空间 AI大模型应用之禅 DeepSeekR1&AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    线性代数，张量，张量空间，深度学习，机器学习，人工智能1.背景介绍在现代人工智能领域，深度学习和机器学习算法的蓬勃发展，使得对数据的高效处理和表示能力提出了更高的要求。线性代数作为数学基础，为理解和构建这些算法提供了坚实的基础。而张量，作为一种高维数组的表示形式，成为了深度学习和机器学习的核心数据结构。本篇文章将从线性代数的角度出发，深入探讨张量与张量空间的概念，并阐述其在深度学习和机器学习中的重
  • ios内付费 374016526 ios内付费
    近年来写了很多IOS的程序，内付费也用到不少，使用IOS的内付费实现起来比较麻烦，这里我写了一个简单的内付费包，希望对大家有帮助。   具体使用如下: 这里的sender其实就是调用者，这里主要是为了回调使用。 [KuroStoreApi kuroStoreProductId:@"产品ID" storeSender:self storeFinishCallBa
  • 20 款优秀的 Linux 终端仿真器 brotherlamp linuxlinux视频linux资料linux自学linux教程
      终端仿真器是一款用其它显示架构重现可视终端的计算机程序。换句话说就是终端仿真器能使哑终端看似像一台连接上了服务器的客户机。终端仿真器允许最终用户用文本用户界面和命令行来访问控制台和应用程序。（LCTT 译注：终端仿真器原意指对大型机-哑终端方式的模拟，不过在当今的 Linux 环境中，常指通过远程或本地方式连接的伪终端，俗称“终端”。） 你能从开源世界中找到大量的终端仿真器，它们
  • Solr Deep Paging(solr 深分页) eksliang solr深分页solr分页性能问题
    转载请出自出处：http://eksliang.iteye.com/blog/2148370 作者：eksliang(ickes) blg:http://eksliang.iteye.com/ 概述 长期以来，我们一直有一个深分页问题。如果直接跳到很靠后的页数，查询速度会比较慢。这是因为Solr的需要为查询从开始遍历所有数据。直到Solr的4.7这个问题一直没有一个很好的解决方案。直到solr
  • 数据库面试题 18289753290 面试题 数据库
    1.union ,union all 网络搜索出的最佳答案： union和union all的区别是,union会自动压缩多个结果集合中的重复结果，而union all则将所有的结果全部显示出来，不管是不是重复。 Union：对两个结果集进行并集操作，不包括重复行，同时进行默认规则的排序； Union All：对两个结果集进行并集操作，包括重复行，不进行排序； 2.索引有哪些分类？作用是
  • Android TV屏幕适配 酷的飞上天空 android
    先说下现在市面上TV分辨率的大概情况 两种分辨率为主 1.720标清，分辨率为1280x720. 屏幕尺寸以32寸为主，部分电视为42寸 2.1080p全高清，分辨率为1920x1080 屏幕尺寸以42寸为主，此分辨率电视屏幕从32寸到50寸都有   适配遇到问题，已1080p尺寸为例： 分辨率固定不变，屏幕尺寸变化较大。 如：效果图尺寸为1920x1080，如果使用d
  • Timer定时器与ActionListener联合应用 永夜-极光 java
    功能:在控制台每秒输出一次   代码: package Main; import javax.swing.Timer; import java.awt.event.*; public class T { private static int count = 0; public static void main(String[] args){
  • Ubuntu14.04系统Tab键不能自动补全问题解决 随便小屋 Ubuntu 14.04
    Unbuntu 14.4安装之后就在终端中使用Tab键不能自动补全，解决办法如下：   1、利用vi编辑器打开/etc/bash.bashrc文件（需要root权限） sudo vi /etc/bash.bashrc  接下来会提示输入密码 2、找到文件中的下列代码 #enable bash completion in interactive shells #if
  • 学会人际关系三招 轻松走职场 aijuans 职场
    要想成功，仅有专业能力是不够的，处理好与老板、同事及下属的人际关系也是门大学问。如何才能在职场如鱼得水、游刃有余呢？在此，教您简单实用的三个窍门。 　　第一，多汇报 最近，管理学又提出了一个新名词“追随力”。它告诉我们，做下属最关键的就是要多请示汇报，让上司随时了解你的工作进度，有了新想法也要及时建议。不知不觉，你就有了“追随力”，上司会越来越了解和信任你。 　　第二，勤沟通 团队的力
  • 《O2O：移动互联网时代的商业革命》读书笔记 aoyouzi 读书笔记
    移动互联网的未来：碎片化内容+碎片化渠道=各式精准、互动的新型社会化营销。   O2O：Online to OffLine 线上线下活动 O2O就是在移动互联网时代，生活消费领域通过线上和线下互动的一种新型商业模式。   手机二维码本质：O2O商务行为从线下现实世界到线上虚拟世界的入口。   线上虚拟世界创造的本意是打破信息鸿沟，让不同地域、不同需求的人
  • js实现图片随鼠标滚动的效果 百合不是茶 JavaScript滚动属性的获取图片滚动属性获取页面加载
    1,获取样式属性值 top 与顶部的距离 left 与左边的距离 right 与右边的距离 bottom 与下边的距离 zIndex 层叠层次     例子:获取左边的宽度,当css写在body标签中时 <div id="adver" style="position:absolute;top:50px;left:1000p
  • ajax同步异步参数async bijian1013 jqueryAjaxasync
            开发项目开发过程中，需要将ajax的返回值赋到全局变量中，然后在该页面其他地方引用，因为ajax异步的原因一直无法成功，需将async:false，使其变成同步的。         格式： $.ajax({ type: 'POST', ur
  • Webx3框架（1） Bill_chen eclipsespringmaven框架ibatis
    Webx是淘宝开发的一套Web开发框架，Webx3是其第三个升级版本；采用Eclipse的开发环境，现在支持java开发； 采用turbine原型的MVC框架，扩展了Spring容器，利用Maven进行项目的构建管理，灵活的ibatis持久层支持，总的来说，还是一套很不错的Web框架。 Webx3遵循turbine风格，velocity的模板被分为layout/screen/control三部
  • 【MongoDB学习笔记五】MongoDB概述 bit1129 mongodb
    MongoDB是面向文档的NoSQL数据库，尽量业界还对MongoDB存在一些质疑的声音，比如性能尤其是查询性能、数据一致性的支持没有想象的那么好，但是MongoDB用户群确实已经够多。MongoDB的亮点不在于它的性能，而是它处理非结构化数据的能力以及内置对分布式的支持(复制、分片达到的高可用、高可伸缩)，同时它提供的近似于SQL的查询能力，也是在做NoSQL技术选型时，考虑的一个重要因素。Mo
  • spring/hibernate/struts2常见异常总结 白糖_ Hibernate
    Spring ①ClassNotFoundException: org.aspectj.weaver.reflect.ReflectionWorld$ReflectionWorldException 缺少aspectjweaver.jar，该jar包常用于spring aop中   ②java.lang.ClassNotFoundException: org.sprin
  • jquery easyui表单重置(reset)扩展思路 bozch formjquery easyuireset
    在jquery easyui表单中 尚未提供表单重置的功能，这就需要自己对其进行扩展。 扩展的时候要考虑的控件有： combo,combobox,combogrid,combotree,datebox,datetimebox 需要对其添加reset方法，reset方法就是把初始化的值赋值给当前的组件，这就需要在组件的初始化时将值保存下来。 在所有的reset方法添加完毕之后，就需要对fo
  • 编程之美-烙饼排序 bylijinnan 编程之美
    package beautyOfCoding; import java.util.Arrays; /* *《编程之美》的思路是：搜索+剪枝。有点像是写下棋程序：当前情况下，把所有可能的下一步都做一遍；在这每一遍操作里面，计算出如果按这一步走的话，能不能赢（得出最优结果）。 *《编程之美》上代码有很多错误，且每个变量的含义令人费解。因此我按我的理解写了以下代码： */
  • Struts1.X 源码分析之ActionForm赋值原理 chenbowen00 struts
    struts1在处理请求参数之前，首先会根据配置文件action节点的name属性创建对应的ActionForm。如果配置了name属性，却找不到对应的ActionForm类也不会报错，只是不会处理本次请求的请求参数。 如果找到了对应的ActionForm类，则先判断是否已经存在ActionForm的实例，如果不存在则创建实例，并将其存放在对应的作用域中。作用域由配置文件action节点的s
  • [空天防御与经济]在获得充足的外部资源之前,太空投资需有限度 comsci 资源
          这里有一个常识性的问题:       地球的资源,人类的资金是有限的,而太空是无限的.....       就算全人类联合起来,要在太空中修建大型空间站,也不一定能够成功,因为资源和资金,技术有客观的限制.... &
  • ORACLE临时表—ON COMMIT PRESERVE ROWS daizj oracle临时表
    ORACLE临时表 转 临时表：像普通表一样，有结构，但是对数据的管理上不一样，临时表存储事务或会话的中间结果集，临时表中保存的数据只对当前 会话可见，所有会话都看不到其他会话的数据，即使其他会话提交了，也看不到。临时表不存在并发行为，因为他们对于当前会话都是独立的。 创建临时表时，ORACLE只创建了表的结构（在数据字典中定义），并没有初始化内存空间，当某一会话使用临时表时，ORALCE会
  • 基于Nginx XSendfile+SpringMVC进行文件下载 denger 应用服务器Webnginx网络应用lighttpd
        在平常我们实现文件下载通常是通过普通 read-write方式，如下代码所示。 @RequestMapping("/courseware/{id}") public void download(@PathVariable("id") String courseID, HttpServletResp
  • scanf接受char类型的字符 dcj3sjt126com c
    /* 2013年3月11日22:35:54 目的：学习char只接受一个字符 */ # include <stdio.h> int main(void) { int i; char ch; scanf("%d", &i); printf("i = %d\n", i); scanf("%
  • 学编程的价值 dcj3sjt126com 编程
    发一个人会编程, 想想以后可以教儿女, 是多么美好的事啊, 不管儿女将来从事什么样的职业, 教一教, 对他思维的开拓大有帮助   像这位朋友学习:   http://blog.sina.com.cn/s/articlelist_2584320772_0_1.html   VirtualGS教程 (By @林泰前): 几十年的老程序员，资深的
  • 二维数组（矩阵）对角线输出 飞天奔月 二维数组
    今天在BBS里面看到这样的面试题目,   1，二维数组（N*N），沿对角线方向，从右上角打印到左下角如N=4： 4*4二维数组  { 1 2 3 4 } { 5 6 7 8 } { 9 10 11 12 } {13 14 15 16 } 打印顺序  4 3 8 2 7 12 1 6 11 16 5 10 15 9 14 13 要
  • Ehcache（08）——可阻塞的Cache——BlockingCache 234390216 并发ehcacheBlockingCache阻塞
    可阻塞的Cache—BlockingCache          在上一节我们提到了显示使用Ehcache锁的问题，其实我们还可以隐式的来使用Ehcache的锁，那就是通过BlockingCache。BlockingCache是Ehcache的一个封装类，可以让我们对Ehcache进行并发操作。其内部的锁机制是使用的net.
  • mysqldiff对数据库间进行差异比较 jackyrong mysqld
      mysqldiff该工具是官方mysql-utilities工具集的一个脚本，可以用来对比不同数据库之间的表结构，或者同个数据库间的表结构    如果在windows下，直接下载mysql-utilities安装就可以了，然后运行后，会跑到命令行下： 1） 基本用法    mysqldiff --server1=admin:12345
  • spring data jpa 方法中可用的关键字 lawrence.li javaspring
    spring data jpa 支持以方法名进行查询/删除/统计。 查询的关键字为find 删除的关键字为delete/remove (>=1.7.x) 统计的关键字为count (>=1.7.x)   修改需要使用@Modifying注解 @Modifying @Query("update User u set u.firstna
  • Spring的ModelAndView类 nicegege spring
    项目中controller的方法跳转的到ModelAndView类，一直很好奇spring怎么实现的？ /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version 2.0 (the "License"); * yo
  • 搭建 CentOS 6 服务器(13) - rsync、Amanda rensanning centos
    （一）rsync Server端 # yum install rsync # vi /etc/xinetd.d/rsync service rsync { disable = no flags = IPv6 socket_type = stream wait
  • Learn Nodejs 02 toknowme nodejs
    （1）npm是什么 npm is the package manager for node 官方网站：https://www.npmjs.com/ npm上有很多优秀的nodejs包，来解决常见的一些问题，比如用node-mysql，就可以方便通过nodejs链接到mysql，进行数据库的操作 在开发过程往往会需要用到其他的包，使用npm就可以下载这些包来供程序调用 &nb
  • Spring MVC 拦截器 xp9802 spring mvc
    Controller层的拦截器继承于HandlerInterceptorAdapter HandlerInterceptorAdapter.java  1  public   abstract   class  HandlerInterceptorAdapter  implements  HandlerIntercep
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他