概率论）

高斯滤波及其原理

高斯滤波及其原理一、高斯函数的基础1.1期望、方差与标准差用来刻画随机变量某一方面特征的常数被称为随机变量的数字特征，其常用的有：数学期望：在概率论和统计学中，数学期望（mean）是试验中每次可能结果的概率乘以其结果的总和
声希Censh·2022-11-21 00:03

《机器学习》学习笔记（三）——线性模型

机器学习(MachineLearning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率
闭关修炼——暂退·2022-11-20 21:35

matlab 判断数据类型函数,matlab 分类（判别）函数classify()

从概率论的角度看，可把判别问题归结为如下模型。
李萌康·2022-11-20 18:29

从逻辑信息模型，到逻辑信息网络，直至实现通用人工智能

如果你笃信概率论和机器学习就是人工智能的真谛，就不用接着往下看了；如果你坚持数理逻辑就是逻辑学的全部，那也不用继续读下去了。
JeffreyJiang1982·2022-11-20 18:24

概率论与数理统计思维导图

概率论与数理统计思维导图目录概率论与数理统计思维导图第一章随机事件与概率第二章一维随机变量第三章二维随机变量第四章随机变量的数学特征第五章大数定律与中心极限定理第六章数理统计基本概念第七章参数估计第一章随机事件与概率第二章一维随机变量第三章二维随机变量第四章随机变量的数学特征第五章大数定律与中心极限定理第六章数理统计基本概念第七章参数估计
hhhhhlt·2022-11-20 16:52

物联11.14作业

马尔科夫链概念：马尔科夫链是概率论和数理统计中具有马尔科夫性质且存在于离散的指数集和状态空间内的随机过程。
qq_42420743·2022-11-20 14:17

【概率论】正态分布的叠加性和正态分布的标准化

目录1引言2什么是正态分布2正态分布的叠加性3正态分布的标准化4参考文献1引言  正态分布又称为高斯分布，它在机器学习和深度学习中非常常用。如正态分布的叠加性和正态分布的标准化等，在VAE模型中重参技巧就用到了正态分布知识，特别是在高维数据中高维的正态分布更是常用。因此，准备梳理一下相应的知识，其中内容多有参考其他博客，一并在参考文献中给出链接。2什么是正态分布  正态分布（Normaldistr
一穷二白到年薪百万·2022-11-20 10:17

隐马尔可夫模型学习笔记（一）

隐马尔可夫模型是一个统计模型（指以概率论为基础，采用数学统计方法建立的模型），其主要是应用时序数据建模，比如语音识别、自然语言处理等要理解隐马尔可夫首先需要梳理几个步骤：1.如何理解概念2.什么叫转移概率矩阵和生成概率矩阵
陆撄宁·2022-11-20 10:42

数据归一化处理

概率论中方差用来度量随机变量和其数学期
sunnyboy_4·2022-11-20 09:14

DataWhale西瓜书第一第二章学习笔记

视频绪论人工智能机器学习深度学习计算机视觉自然语言处理推荐系统高等数学：会求偏导数线性代数：会矩阵运算概率论与数理统计：随机变量是什么内容定位：西瓜书里的算法的公式推导本科数学视频：张宇考研数学系列第一章
akriver·2022-11-20 08:53

深度学习预备知识

深度学习预备知识1、基础数学知识（线性代数、高等数学、概率论部分知识）•导数概念、如何求导、•矩阵概念、矩阵基本运算、•概率的概念、正态分布的概念等【注意】以上内容入门深度学习足够，强烈不建议大家拿上一本数学教材从头到尾去读
[山青花欲燃]·2022-11-20 06:56

李宏毅深度学习笔记-P1机器学习介绍

如下图1所示是机器学习发展的大致脉络，就我看来主要有两个时间点，第一个是19世纪80年代，此时AI界开始使用机器学习的方法来实现人工智能的目标（个人理解是放弃了handcrafted的规则推导，使用的是以概率论为
yzz19920820·2022-11-20 06:44

李宏毅ML笔记2:回归

P3的主要内容和数学建模的线性回归很像哦,P4有一股概率论与数理统计味儿公式每次截成图片再一个个插入太麻烦了,打算编辑时候就放word和latex两个版本,哪个能显示看哪个吧.https://blog.csdn.net
lagoon_lala·2022-11-20 05:25

系统学习机器学习之系统认识

原文地址：http://blog.csdn.net/app_12062011/article/details/50207375概述机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论
伟仔Cake·2022-11-20 00:54

机器学习笔记——极大似然估计与最大后验概率估计

概率论为这种不确定性的量化和操纵提供了框架，成为机器学习的核心基础之一。基于现实世界中所发生现象的任何实际模型，
静静的喝酒·2022-11-19 23:20

机器学习第一章----绪论

文章目录1、机器学习2、基本术语3、监督学习4、无监督学习5、假设空间6、归纳偏好7、应用现状机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科
weixin_45154388·2022-11-19 17:21

朴素贝叶斯分类器及Python实现

贝叶斯定理贝叶斯定理是通过对观测值概率分布的主观判断（即先验概率）进行修正的定理，在概率论中具有重要地位。
weixin_34107955·2022-11-19 16:08

卡尔曼滤波(kalman filter)超详细推导

1.概率论相关知识这一节主要回忆概率论的一些相关基础知识，包括全概率公式、贝叶斯公式、协方差矩阵、多维高斯分布等等，对这些熟悉的可以直接跳到第2节看贝叶斯滤波1.1条件概率P(x,y)=P(x∣y)P(
青蛙球·2022-11-19 14:50

概率论基础（sigma域、测度）

一、样本空间&事件样本空间Ω\OmegaΩ指一个实验的可能结果的集合ω∈Ω\omega\in\Omegaω∈Ω称为样本结果|样本实现|样本元素Ω\OmegaΩ的子集被称为事件对于事件AAA，符号AcA^cAc表示它的对于样本空间的补集，即Ac=CΩA={ω∈Ω,ω∉A}A^c=\mathrmC_\OmegaA=\{\omega\in\Omega,\omega\notinA\}Ac=CΩA={ω∈Ω
青蛙球·2022-11-19 14:48

Diffusion Model 学习笔记

需要提前说明的是，有一部分的公式需要严密的概率论推导，
我是BQ·2022-11-19 12:33

2021年计算机保研面试题

本文涉及学科有操作系统，计算机网络，数据结构，计算机组成，线性代数，高数，概率论与数理统计，机器
Challow·2022-11-19 11:05

计算机保研面试题总汇（网上搜集的题 自己写的答案）

文章目录计算机专业知识数学方向内容高数线代概率论其他计算机专业知识哪些图算法中用到了动态规划的思想？
来包番茄沙司·2022-11-19 11:00

保研面试的问题

流量控制，拥塞控制，各层及各层的协议计组的衡量计算机的性能指标软件工程，几个软件开发模型数据结构的链表，kmp算法，最短路径，prim和kusral，排序算法及时间复杂度高数的求导，求偏导，求极限概率论的条件概率
也哈哈哈哈·2022-11-19 11:46

统计系本科生参考书整理

推荐的书单包括统计系本科生课程密切相关的中文书籍或者中译本：统计历史，统计学入门（非数学专业的统计书），数学分析，线性代数，概率论，数理统计，随机过程，R语言，大数据，金融统计，金融数学，生存分析，寿险精算
banlucainiao·2022-11-19 11:34

概率导论中几个最常见的分布函数公式整理

1累积分布函数2伯努利随机变量3二项随机变量4几何随机变量5柏松随机变量6正态分布概率累积函数7期望8方差参考书籍：1概率导论（是一本非常棒的学习概率论的书籍，给别人安利过。）
fitzgerald0·2022-11-19 08:06

罗正雄：基于展开交替优化的盲超分算法DAN

这个求解过程可以表示为如下最优化问题：求出使得以下表达式最小的k和x值盲超分存在的挑战病态：退化过程会损失很多的细节信息，这个过程是不可逆的存在很多位置变量：k，x，HR先验信息先验信息：在以前的算法中，一般通过概率论的方法进行建模
BugMaker-shen·2022-11-19 04:16

【计算机视觉知识库】CV学习路线/从头学系列【持续更新】

第一阶段：数学基础+编程语言学习1.程序员数学微积分基础、多元函数微积分、线性代数基础、线性代数高级、概率论等机器学习面试、算法原理常用的数学知识2.Python学习Python基础：掌握Python基础语法
TianleiShi·2022-11-19 03:58

宋浩 概率统计 笔记_2020考研数学概率论与数理统计：各章节考试重点分析

原标题：2020考研数学概率论与数理统计：各章节考试重点分析考研数学有两大重点，基础要打好，练习要多做，错题要巩固。下面来看下有关概率论与数理统计相关复习内容，一起来学习吧！
weixin_39983383·2022-11-17 21:31

宋浩概率论与数理统计笔记（一）

基本信息本篇是根据宋浩老师在B站的概率论与数理统计完成，标明了每一个知识点所在的时间点。在学数学的时候笔记必不可少，但频繁暂停记笔记又浪费时间，那你就借他山之石，快速掌握基本数学知识。
hukuiru·2022-11-17 21:30

宋浩 概率统计 笔记_概率论及数理统计——个人笔记

个人笔记不定期更新：第一章概率论基本概念1、样本空间：随机试验E的所有可能的结果组成的集合，使用S表示2、基本事件：由一个样本点组成的单点集3、必然事件：每次试验中都会发生的事件4、不可能事件：每次试验中都不发生的事件
weixin_39887926·2022-11-17 21:00

《概率论与数理统计.宋浩》前七章笔记汇总

一、课程时长分布第一章516分钟（24；11；77；3；33；46；32；11；33；30；21；39；29；36；9；38；22；22）第二章475分钟（13；21；70；24；40；24；5；4；22；28；25；20；25；71；10；73）第三章279分钟（24；25；35；32；15；8；25；26；13；66）第四章295分钟（13；10；48；45；8；16；17；39；26；27；
是璇子鸭·2022-11-17 21:25

几何概型，公理化——概率论与数理统计（宋浩）

1.2.3几何概率模型（线段，平面，立体）例题：会面问题甲，乙在一小时内的任意时刻都可以到达，先到达的人会等后到的人15分钟，超时离开，求两个人可以碰面的概率。可列出方程并做出对应的图：用x轴表示甲到达时间，用y轴表示乙到达时间甲先到：{y-x>=0,y-x=0,y-x=P(B)性质5(加法):P(A+B)=P(A)+P(B)-P(AB)补充：P(A+B+C)=P(A)+P(B)+P(C)-P(A
batcat560·2022-11-17 21:17

宋浩概率论与数理统计-第八章-笔记

概率论与数理统计第八章假设检验8.1基本概念一、假设检验问题二、假设检验基本概念三、假设检验的思想与步骤1.思想2.步骤四、两类错误8.2一个正态总体的参数假设检验一、μ\muμ的假设检验UUU检验法：
Anchor___·2022-11-17 21:45

宋浩概率论与数理统计-第七章-笔记

概率论与数理统计第七章7.1点估计7.1.1矩估计法7.1.2极大似然估计法7.2点估计的优良性准则7.37.3.1置信区间7.3.2一个正态总体的均值和方差的区间估计期望的区间估计方差的区间估计总结第七章
Anchor___·2022-11-17 21:44

宋浩概率论与数理统计-第二章-笔记

概率论与数理统计第二章2.1随机变量的概念2.2.1离散型随机变量及其概率分布连续型随机变量及其概率密度函数2.2.2分布函数的定义离散型的分布函数==例题==连续型的分布函数==例题==2.2.3常见的分布离散型常见分布
Anchor___·2022-11-17 21:14

宋浩概率论与数理统计-第一章-笔记

概率论与数理统计引言1.1.1随机事件1.1.2样本空间与事件的集合表示1.1.3事件间的关系包含并（和）交（积）差互不相容事件对立事件完备事件组运算律事件的概率1.2.1概率的初等描述1.2.2古典概型
Anchor___·2022-11-17 21:44

宋浩概率论与数理统计-第四章-笔记

概率论与数理统计第四章4.1.1离散型变量的数学期望4.1.2连续型变量的数学期望4.1.3随机变量函数的数学期望4.1.4数学期望的性质4.1.5条件期望离散型连续型4.2.1方差4.2.2方差的性质
Anchor___·2022-11-17 21:44

宋浩概率论与数理统计笔记——第六章

6.1总体与样本总体：全体10万人个体有限总体、无限总体X总体分布样本：抽样(X1,...,Xn),(x1,...,xn)变量—————观测值(X_1,...,X_n),(x_1,...,x_n)\\变量—————观测值(X1,...,Xn),(x1,...,xn)变量—————观测值简单随机抽样（1）同分布（2）相互独立样本的分布(X1,...,Xn)F(x1,...,xn)=F(x1)...F
寒叶飘逸_·2022-11-17 21:43

宋浩概率论与数理统计笔记——第七章

7.1.1矩估计法总体的矩←代替\leftarrow^{代替}←代替样本的矩一阶EXEXEX←代替\leftarrow^{代替}←代替一阶Xˉ=1n∑xi\barX=\frac{1}n\sumx_iXˉ=n1∑xi二阶EX2EX^2EX2←代替\leftarrow^{代替}←代替二阶A2=1n∑xi2A_2=\frac{1}{n}\sumx_i^2A2=n1∑xi2例：X∼N(μ,σ2),(X1,
寒叶飘逸_·2022-11-17 21:12

宋浩概率论与数理统计笔记——第八章

8假设检验假设检验的一般步骤建立假设把被检验的假设称为原假设，也称零假设，记为H0H_0H0，通常将不应轻易加以否定的假设作为原假设。当H0H_0H0被拒绝时而接受的假设称为备择假设，记为H1H_1H1，也称为对立假设。检验法则——选择检验统计量，给出拒绝域形式由样本对原假设进行判断需要通过一个统计量来完成，称之为检验统计量使原假设被拒绝的样本观测值所在的区域称为拒绝域，它是样本空间的一个子集，记
寒叶飘逸_·2022-11-17 21:12

宋浩概率论与数理统计笔记——第三章

3.1.1二维随机变量及其分布函数3.1二维随机变量假设EEE是试验,Ω\OmegaΩ是他的样本空间，X、Y是定义在样本空间Ω\OmegaΩ的两个变量(X,Y)(X,Y)(X,Y)向量、变量分布函数：F(x,y)=P{X≤x,Y≤y}F(x,y)=P\{X\leqx,Y\leqy\}F(x,y)=P{X≤x,Y≤y},联合分布函数一维：F(x)=P{X≤x}F(x)=P\{X\leqx\}F(x)
寒叶飘逸_·2022-11-17 21:11

宋浩概率论与数理统计笔记——第二章

2.1随机变量的概念随机变量（randomvariable）表示随机试验各种结果的实值单值函数。定义：Ω\OmegaΩ样本空间，X=X(ω)X=X(\omega)X=X(ω)是ω\omegaω上的实值函数（每个样本都对应一个数）随机变量常用X、Y、Z、ξ、η、ζX、Y、Z、\xi、\eta、\zetaX、Y、Z、ξ、η、ζ表示{ω∣X(ω)=a}\{\omega|X(\omega)=a\}{ω∣X
寒叶飘逸_·2022-11-17 21:10

宋浩概率论与数理统计笔记——第一章

大二记的笔记，现在拿出来和大家分享下引言确定性（必然）现象：一定发生（不发生）随机（偶然）现象：可能发生、可能不发生统计规律1.1.1随机试验与随机事件试验：观察、测量、实验随机试验：1.在相同条件下可重复2.结果不止一个3.无法预测事件：试验的每种结果随机事件基本事件：相对于实验目的来说不能再分（不必在分）复合事件：由基本事件复合必然事件：一定发生Ω不可能事件：一定不发生Φ1.1.2样本空间与事
寒叶飘逸_·2022-11-17 21:09

宋浩《概率论与数理统计》自用笔记

文章目录第一章概率论的基本概念古典概型几何概型公理化条件概率独立性第二章随机变量及其分布离散型随机变量及其概率分布连续型随机变量及其概率密度函数分布函数离散型的分布函数连续型的分布函数离散型分布0-1分布几何分布二项分布泊松分布超几何分布连续型分布均匀分布指数分布正态分布随机变量函数的分布离散型连续型第三章多维随机变量及其分布二维离散型的联合分布和边缘分布二维连续型的联合分布和边缘分布第四章随机变
Lapsey·2022-11-17 21:08

【随机过程】笔记和习题分享 第一章 随机过程基本概念

知识框架一.随机过程1.随机过程的三种定义方法我们在本科的概率论中学过随机变量，随机过程的概念其实是随机变量的拓展。
今天一定要洛必达·2022-11-17 17:42

深度学习基础 - 概率的三个公理

1925年22岁的柯尔莫哥洛夫发表了概率论领域的第一篇论文，30岁时出版了《概率论基础》一书，将概率论建立在严格的公理基础上，从此概率论正式成为了一个严格的数学分支，要严谨就得有公理。
西西弗Sisyphus·2022-11-17 07:18

【Pytorch学习笔记】Normlization

在概率论与数理统计中独立同分布是大家最喜欢的条件，但在深度学习中数据往往都不是独立同分布的，比如当数据为图片时，相邻像素点具有相关性，减少数据的相关性的方法有PCA等；Normlization则是将数据变换成同分布
弱就多努力·2022-11-16 18:52

多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记

多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记文章目录多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记前言MindMap二维随机变量定义与分布函数分布函数分布函数的基本性质离散型联合分布律连续型联合概率密度边缘分布离散型连续型公式的理解条件分布离散型连续型相互独立的随机变量两个随机变量的函数的分布
物联黄同学·2022-11-16 11:34

概率论笔记—多维随机变量及其分布

目录一、多维随机变量二、二维离散型随机变量三、二维连续型随机变量一、多维随机变量①如果X1,X2,⋅⋅⋅,XnX_1,X_2,···,X_nX1,X2,⋅⋅⋅,Xn是定义在同一个样本空间Ω\OmegaΩ上的nnn个随机变量，则称(X1,X2,⋅⋅⋅,Xn)(X_1,X_2,···,X_n)(X1,X2,⋅⋅⋅,Xn)为nnn维随机变量或nnn维随机向量，Xi(i=1,2,⋅⋅⋅,n)X_i(i=1
Ta o·2022-11-16 11:32

概率论第三章--多维随机变量及其分布

文章目录一、二维离散型1.1、二维离散型1.1.1、随机变量1.1.2、分布函数1.1.3、边缘分布1.1.4、条件分布1.1.5、独立1.2、二维连续型1.2.1、联合分布函数F(x,y)1.2.2、联合概率密度f(x,y)1.2.3、边缘概率密度1.2.4、条件概率密度1.2.5、分布函数1.2.6、独立性三、二维离散型随机变量函数分布四、二维连续型随机变量正数分布五、最大最小值函数的分布一、
zhaohuan_1996·2022-11-16 11:25
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他