深度学习基础——概率论第17页

【深度学习基础】反向传播BP算法原理详解及实战演示（附源码）

需要源码请点赞关注收藏后评论区留言私信~~~神经网络的设计灵感来源于生物学上的神经网络。如图所示，每个节点就是一个神经元，神经元与神经元之间的连线表示信息传递的方向。Layer1表示输入层，Layer2、Layer3表示隐藏层，Layer4表示输出层。我们希望通过神经网络，对输入数据进行某种变换，从而获得期望的输出，换句话说，神经网络就是一种映射，将原数据映射成期望获得的数据。BP算法就是其中的一

showswoller·2023-09-08 20:46

抽奖事件引发的概率论重学

年底了，公司各种抽奖，玩法无非两种，我总结为放回抽奖和无放回抽奖，有小伙伴问，这两种抽奖方式的概率到底哪个更高呢？这是一个好问题，值得算一算。来，我们来把题目数学化：定义：事件A发生的概率=事件A中样本点个数/样本空间中样本点的个数应用题：现有一样本，样本总数为n，其中有奖样品数为m，有两种抽奖方式，有放回抽奖，不放回抽奖，求哪种抽奖方式的中奖概率大一点。解：1.放回抽奖的中奖概率P1=m/n2.

哎呦呦胖子斌·2023-09-08 18:35

ABtest笔记

一.统计学原理（知识预备）1.三大抽样分布、第一/二类错误卡方分布参考资料：卡方分布_LittleDorcas博客-CSDN博客_卡方分布、《概率论与数理统计》定义：设是来自标准正态分布的样本，则称统计量服从自由度为

一枚达达·2023-09-08 11:27

20220326

2022032601今日结束概率论第六章本来想结束概率论这个科目的，不过第六章的名词及对应的公式十分生疏，于是只听完这一章的课程，整理了这一章节的笔记，以及整理了思维导图的框架。

林年alex·2023-09-08 04:06

数据库笔记

数据库原理及应用半期考：运筹学，概率论，数据库文章目录数据库原理及应用1.课程的考核2.数据库的运用3.数据库学什么？

梅如你·2023-09-08 00:52

三类考研数学考试要求

数学一考试要求(2020年版)考试科目高等数学、线性代数、概率论与数理统计形式结构一、试卷满分及考试时间试卷满分为150分，考试时间为180分钟.二、答题

高分学姐·2023-09-07 21:09

【概率论与数理统计】

概率论与数理统计大学期间摘自学霸《概率论》笔记，今日整理发布，方便日后查阅学习。

岁月的眸·2023-09-07 20:15

基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力

Python软件的安装及入门专题二、气象常用科学计算库专题三、气象海洋常用可视化库专题四、爬虫和气象海洋数据专题五、气象海洋常用插值方法专题六、机器学习基础理论和实操专题七、机器学习的应用实例专题八、深度学习基础理论和实操专题九

WangYan2022·2023-09-07 06:44

SLAM从入门到精通（矩阵的使用）

大学数学里面除了微积分，剩下的就是线性代数和概率论。而矩阵就是线性代数的一部分。到了研究生，高等数学不学了，但是会继续学习矩阵论和随机数学。它们是线性代数和概率论的衍生。

嵌入式-老费·2023-09-06 23:31

欲望的控制(131)

图片发自App今日小结，数学学习时间，5个小时，高数，线代和概率论都涉及了，线代第三章正式开始，概率论结束了第一章，高数复习了积分学的几个题目英语学习时间，2.5小时，英二10年第三篇阅读加全文翻译，加长难句两句学习

斑驳_时光·2023-09-06 08:21

微习惯复盘与感恩日记2022-6-28

我决定明天上午把宏观全部看完，然后开始复习概率论。三天应该也能把概率论复习完了吧？周末两天把计量复习一遍。然后下周一二三再全都过一遍。2、英语：听力五分钟。所以说英语这个微习惯是差不多养成了。

小木山庄的溜溜·2023-09-06 07:05

密码学入门

《概率论》———–>需要把后续课程，《信

right_33cb·2023-09-05 14:21

Shannon 理论

1、概率论基础研究无条件安全的合适框架是概率论联合概率密度和条件概

谁吃了我的薯条·2023-09-05 11:37

考研！经验！

数学篇买的书籍高等数学、线性代数、概率论课本，数学红皮书（复习全书+660+历年真题），张宇1000题

大瑞子丶·2023-09-05 07:07

算法刷题——双指针（1）

自从昨天结束数模校赛和概率论期中考试之后，发现突然一下子闲下来了呢。虽然虽然还有很多想学的知识没有学，但是一不小心惫懒的情绪就从心底蔓延开了。咳咳咳，言归正传，今天学习的算法还是双指针。

菜鸟小石·2023-09-05 04:34

＜深度学习基础＞ Batch Normalization

BatchNormalization批归一化BN优点减少了人为选择参数。在某些情况下可以取消dropout和L2正则项参数，或者采取更小的L2正则项约束参数；减少了对学习率的要求。现在我们可以使用初始很大的学习率或者选择了较小的学习率，算法也能够快速训练收敛；破坏原来的数据分布，一定程度上缓解过拟合；减少梯度消失，加快收敛速度，提高训练精度。步骤下面给出BN算法在训练时的过程输入：上一层输出结果X

thisiszdy·2023-09-04 19:39

数学建模--蒙特卡洛模型的Python实现

目录1.算法思想简介2.算法应用1：问题一阐述3.算法应用1：问题一解决4.算法应用2：问题二阐述5.算法应用2：问题二解决1.算法思想简介#蒙特卡洛算法思想"""蒙特卡洛方法的理论其实很类似于概率论中一个比较重要的定理

Danceful_YJ·2023-09-04 14:16

概率论、随机性与不确定性

最近开始学习概率论，刚一开始就提到了一个我们每个人都熟悉的词“随机性”。什么是随机性呢？我自己回答不上来。

旭日De梦·2023-09-04 05:57

1.统计学习及监督学习概论

统计学习的前置知识：工科数学（高等数学），线性代数，概率论，一门基础编程语言（python）统计学习的步骤:有限数据-》假设空间-》学习策略-》实现算法-》选择最优-》预测新数据1.2统计学习的分类基本分类

徴徴南风·2023-09-03 23:55

常见数学名词的物理意义（更新中）

虚部相加乘法：复数z=x+yi控制了函数的放缩和旋转——x放缩，y旋转（即放缩e^x倍，旋转y弧度）在x轴上不旋转，在y轴上不放缩——因为此时对应的yi和x均为0二、导数导数在数学上反映的是一点的斜率，概率论上可以反映一点的在物理

Nosery·2023-09-03 23:53

陨落的小白·2023-09-03 11:50

[动手学深度学习-PyTorch版]-3.深度学习基础

3.1线性回归线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同，分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。由于线性回归和softmax回归都是单层神经网络，它们涉及的概念和技术同样适用于大多数的深度学习模

蒸饺与白茶·2023-09-03 05:02

上学调皮捣蛋和勤勤恳恳的孩子未来成就哪个大？

以概率论来讲，经常冒险的人比按部就班获得的收益概率更大，当然承担的风险也更大

李增权·2023-09-03 04:21

【管理运筹学】第 7 章 | 图与网络分析（1，图论背景以及基本概念、术语）

它与数学的其他分支如矩阵论、概率论、数值分析等都有着密切地联系。事实

Douglassssssss·2023-09-03 02:05

【数学】【书籍阅读笔记】【概率论】应用随机过程概率论模型导论 by Sheldon M.Ross 第一章概率论引总结与习题题解【更新中】

文章目录前言1第一章概率论引论总结1.1样本空间与事件1.2定义在事件上的概率1.3条件概率1.4独立事件2一些有用的重要结论/公式/例题3重要例题例1.113习题题解题1题24习题总结前言1第一章概率论引论总结第一章从事件的角度引出样本空间

代码小叶·2023-09-02 17:06

算法面试-深度学习基础面试题整理-AIGC相关（2023.9.01开始，持续更新...）

1、stablediffusion和GAN哪个好？为什么？Stablediffusion是一种基于随机微分方程的生成方法，它通过逐步增加噪声来扰动原始图像，直到完全随机化。然后，它通过逐步减少噪声来恢复图像，同时使用一个神经网络来预测下一步的噪声分布。StableDiffusion的优点是可以在连续的潜在空间中生成高质量的图像，而不需要对抗训练或GAN的损失函数。缺点是需要较长的采样时间和较大的模

完美屁桃·2023-09-02 06:07

NVIDIA DLI 深度学习基础答案领取证书

最后一节作业是水果分类的任务，一共6类，使用之前学习的知识在代码段上进行填空。加载ImageNet预训练的基础模型fromtensorflowimportkerasbase_model=keras.applications.VGG16(weights="imagenet",input_shape=(224,224,3),include_top=False)冻结基础模型#Freezebasemode

Astro_zxx·2023-09-02 04:39

2018-10-09

还有稍微的网页设计周计划：第二周：要求把概率论七章重新再做一遍，保证自己能够随用遂想起。英语第一单元的翻译和单词一定一定一定背会，重要的事情说三遍，今年的第一就指望英

哈工大人工智能·2023-09-02 01:30

[概率论] 贝叶斯公式

这是最近在学习中遇到的问题，技艺不精，在此记录一下我记忆中的贝叶斯公式一直是P(A∣B)=P(B∣A)P(A)P(B)P(A|B)=\frac{P(B|A)P(A)}{P(B)}P(A∣B)=P(B)P(B∣A)P(A)但我一直忽略了它的完整公式P(Ai∣B)=P(B∣Ai)P(Ai)∑jP(B∣Aj)P(Aj)P(A_{i}|B)=\frac{P(B|A_{i})P(A_{i})}{\sum_{

是土豆大叔啊！·2023-09-01 06:06

深度学习基础：矩阵求导+反向传播

求导过程常用损失函数公式的求导：重点：向量对向量求导a=，向量a对向量W求导，导数为WTW^{T}WT.推导过程：当自变量和因变量均为向量时，求导结果为一个矩阵，我们称该矩阵为雅可比矩阵(JacobianMatrix)。反向传播：整体过程:模型函数表达为y=x*w，损失函数为loss反向传播是通过损失loss对参数求偏导，对参数w进行随机梯度下降的更新。使损失函数达到局部最优解。重点在于损失函数l

TANGWENTAI·2023-09-01 04:10

【概率论】五分钟搞懂概率论联合密度函数与概率之间的计算

【例题】设X和Y的联合密度函数为：f(x,y)={201,Y1,Y1,Y1,Y1,Y<1}=∬2e−xe−2ydxdy=\displaystyle\iint2e^{-x}e^{-2y}dxdy=∬2e−xe−2ydxdy=∫1+∞dx∫012e−xe−2ydy=\displaystyle\int_1^{+\infty}dx\int_0^12e^{-x}e^{-2y}dy=∫1+∞dx∫012e−x

峰度偏偏·2023-08-31 21:37

卡尔曼滤波

1.1.1数学期望的性质假设常数为C，随机变量X和Y，则1.2方差（variance）概率论中和统计中的方差反映单个（一维）随机变量的离散程度即随机变量偏离数学期望的幅度大小，方差越大偏离数学期望的幅度越大

XXX_UUU_XXX·2023-08-31 21:46

AIGC - 生成模型

生成模型0.前言1.生成模型2.生成模型与判别模型的区别2.1模型对比2.2条件生成模型2.3生成模型的发展2.4生成模型与人工智能3.生成模型示例3.1简单示例3.2生成模型框架4.表示学习5.生成模型与概率论

盼小辉丶·2023-08-31 12:13

【AI】数学基础——数理统计（假设检验&数据处理）

概率论数理统计（概念&参数估计）文章目录3.8假设检验3.8.1提出假设3.8.2构建检验统计量对均值检验对方差检验3.8.3根据显著性水平确定拒绝域临界值显著性水平拒绝域3.8.4计算统计量，确定P值

AmosTian·2023-08-31 09:46

推荐一本AI+医疗书：《机器学习和深度学习基础以及医学应用》，附21篇精选综述

当代医学仍然存在许多亟待解决的问题，比如日益增加的成本、医疗服务水平的下降...但近几年AI技术的发展却给医疗领域带来了革命性的变化，因此AI+医疗迅速兴起。从目前已知的成果来看，人工智能在医学领域的应用已经相当广泛，智能诊断、影像识别、语音识别、预防性医学、AI辅助治疗等技术也为我们提供了更加便捷有效的医疗服务。可以看见，AI+医疗会是未来的研究热门与市场指向之一。既然都是热门了，作为人工智能领

深度之眼·2023-08-31 05:15

机器学习

最后还需要了解一些概率论和统计学方面的知识。什么最大似然法，各种分布

月过不了头·2023-08-31 01:33

深度学习中的数据操作（六）概率论基于pytorch实现

硬着头皮写代码的菜鸡·2023-08-30 18:45

＜6＞【深度学习 × PyTorch】概率论知识大汇总 | 实现模拟骰子的概率图像 | 互斥事件、随机变量 | 联合概率、条件概率、贝叶斯定理 | 附：Markdown 不等于符号、无穷符号

人的一生中会有很多理想。短的叫念头，长的叫志向，坏的叫野心，好的叫愿望。理想就是希望，希望是生命的原动力！作者主页：追光者♂个人简介：[1]计算机专业硕士研究生[2]2022年度博客之星人工智能领域TOP4[3]阿里云社区特邀专家博主[4]CSDN-人工智能领域优质创作者[5]预期2023年10月份·准CSDN博客专家

追光者♂·2023-08-30 18:11

PT_大数定律LLN

文章目录概率基础不等式马尔可夫不等式推导注切比雪夫不等式推导例依概率收敛定义直观解释特点服从大数定律大数定律chebyshevLLN应用bernoulliLLN意义KhinchinLLN总结概率基础不等式马尔可夫不等式Markov’sinequality-Wikipedia在概率论中

xuchaoxin1375·2023-08-30 12:57

深度学习基础篇第二章：转置卷积

参考教程：https://arxiv.org/pdf/1603.07285.pdf文章目录什么是转置卷积转置卷积的思想一维形式的理解二维形式的理解卷积和转置的关系nopading,unitstridespadding,unitstridesnopadding,non-unitstridepadding，non-unitstridepytorch中的转置卷积什么是转置卷积在上一章我们说过，卷积有三种

江米江米·2023-08-30 09:09

《PyTorch 2.0深度学习从零开始学》已出版

本书以通俗易懂的方式介绍PyTorch深度学习基础理论，并以项目实战的形式详细介绍PyTorch框架的使用。为读者揭示PyTorch2.0进行深度学习项目实战的核心技术，实战案例丰富而富有启发。

新知图书·2023-08-30 07:34

郑合惠子，我爱你哦！

图片发自App这事都是源于我刚才做的一个动作，已经埋头苦学了两个小时的概率论了

小扬少爷·2023-08-29 16:12

基于深度学习的网络异常检测方法研究

课题设计·2023-08-29 11:27

【考研数学】概率论与数理统计 —— 第二章 | 一维随机变量及其分布（2，常见随机变量及其分布 | 随机变量函数的分布）

文章目录引言三、常见的随机变量及其分布3.1常见的离散型随机变量及其分布律（一）（0-1）分布（二）二项分布（三）泊松分布（四）几何分布（五）超几何分布3.2常见的连续型随机变量及其概率密度（一）均匀分布（二）指数分布（三）正态分布四、随机变量函数的分布（一）离散型随机变量函数的分布（二）连续型随机变量函数的分布引言承接前文，我们继续学习第二章，一维随机变量及其分布的第二部分内容。三、常见的随机变

Douglassssssss·2023-08-29 11:31

【考研数学】概率论与数理统计 —— 第二章 | 一维随机变量及其分布（1，基本概念与随机变量常见类型）

文章目录引言一、一维随机变量及其分布1.1随机变量1.2分布函数二、随机变量常见类型及分布2.1离散型随机变量2.2连续型随机变量及概率密度函数写在最后引言暑假接近尾声了，争取赶一点概率论部分的进度。

Douglassssssss·2023-08-29 11:59

深度学习基础篇第一章：卷积

dummy老弟这几天在复习啊我也跟着他重新复习一轮。这次打算学的细一点，虽然对工作没什么帮助，但是理论知识也能更扎实吧！从0开始的深度学习大冒险。参考教程：https://www.zhihu.com/question/22298352https://zhuanlan.zhihu.com/p/555957573?utm_id=0https://zhuanlan.zhihu.com/p/3949178

江米江米·2023-08-29 09:47

从零开始实现核密度估计（kernel density estimation，KDE）-python实现

问题背景核密度估计（kerneldensityestimation）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt(1955)和EmanuelParzen(1962)

sdf57·2023-08-28 23:07

2018-11-15

概率论，没有认真听讲做作业。数据结构，也没敲一个程序。英语，也没有好好备战六级。数据库，没有系统的看书听课，做题。前端，js也是学的很迷糊。

Vano_·2023-08-28 14:05

【笔记】视觉算法——图像平滑

原始图像因此我们可以利用不同时间采集得到的多福图像，对真实像素进行估计，即：根据概率论可知方差变为原来的.多幅图求均值.png时域平均法的缺点就是多幅图像才能进行噪声抑制。

离群土拨鼠·2023-08-28 13:53

数学期望讲解

数学期望讲解数学期望是概率论中的一个重要概念，它表示一个随机变量在一次试验中可能取得的平均值。数学期望可以用来描述一个随机现象的平均特征，也可以用来预测一个随机事件的长期结果。

无尽的罚坐人生·2023-08-28 09:42

推荐频道

深度学习基础——概率论