深度学习基础——概率论第21页

[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

门卫工作如何提高成功率

这个问题就涉及到了，刘嘉老师的概率论的话题了，就像刘嘉老师举的例子，抛硬币出现正面的概率是50%，你已经连续抛出10次正面，问第11次抛出正面的概率是多少，答案还是50%，因为每一次抛硬币都是单独的事件

松球42·2023-08-28 08:15

人工智能与深度神经网络,人工智能的实现路径是

人工智能学习路线为：高等数学，概率论，python编程，机器学习，深度学习，各种算法实战。想学习人工智能，通过上面的学习路线学完，最好还要到人工智能企业里实战才行。

阳阳2013哈哈·2023-08-28 07:42

刘嘉概率论22讲《四，独立性，随机事件的相互关系》

只有明白了一个随机事件和其他随机事件的关系，判断他们之间是否具有独立性，才能正确分析和度量它的概率什么是独立性呢？通俗的说，如果随机事件之间没有任何关联，我们就可以说这些随机事件是相互独立的，他们之间就具有独立性。而这种具有独立性的随机事件，也被称为“独立事件”比如，抛硬币5次都是正面，那么第六次出现正面的概率肯定更小，出现反面的概率更大。这是不对的，这就是我们常听说的，赌徒谬误。如果你感觉第六次

阿木魔法学院1865_b324·2023-08-28 03:33

对贝叶斯最深入浅出解构的一篇文章

概率论只不过是把常识用数学公式表达了出来。

aikiliger·2023-08-27 19:07

深度学习基础--正则化与norm--Layer Normalization 即层标准化

LayerNormalization即层标准化 LayerNormalization和普通的标准化类似，是将网络中的层进行归一化的操作。一般用于RNN。原因对于RNN模型来说，归一化的时候BatchNormalization不再适合，在RNN模型里，sequence的长度是不一致的，正是由于这种不一致的问题，导致BN使用起来效果不佳，借用网上的一句话，RNN的深度不是固定的，不同的tim

whitenightwu·2023-08-27 10:56

Ann全排列的枚举_递归实现(基于Python)

根据概率论中的排列组合知识知道A(n,n)=n!=n*(n-1)…*1；最终结果数是n的阶乘个，例如对于集合{1,2,3},有6种全排列。

放翁lcf·2023-08-26 23:30

人工智能数学基础--线性代数

但是线性代数、概率论、微积分和统计学是人工智能用于表述的“语言”。学习数学知识将有助于深入理解底层算法机制，便于开发新算法。•线性代数：描述深度学习算法的基础也是核心。

TKE_kolento.·2023-08-26 16:47

深度学习基础知识（三）-线性代数的实现

1.标量使用标量由只有一个元素的张量表示,标量可以做最简单的计算。importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])print(x+y)print(x*y)print(x/y)print(x**y)结果：tensor([5.])tensor([6.])tensor([1.5000])tensor([9.])2.向量使用向量：将标量值组成的列表

渣渣洒泪成长记·2023-08-26 16:13

⌈算法进阶⌋图论::拓扑排序(Topological Sorting)——快速理解到熟练运用

课程表Ⅱ2、2392.给定条件下构造举证3、310.最小高度树一、原理1.引例：207.课程表就如大学课程安排一样，如果要学习数据结构与算法、机器学习这类课程，肯定要先学习C语言、Python、离散数学、概率论等等

Dusong_·2023-08-26 10:28

高性能计算学习教程，从入门到精通

数学基础：学习线性代数、微积分和概率论等数学基础，这些对于理解高性能计算中的算法和模型非常重要。这里一般具备大学本科的高数水平与计算机科学基础即可。阶段二：并行计算与分布式系

猿代码科技·2023-08-26 05:56

刘嘉概率论22讲《三，概率对世界可能性对度量》

上节课讲了概率论第一块基石随机，然后我们讲概率论的第二块基石概率概率是随机事件发生可能性的定量描述科尔莫格罗夫给出的定义是：设E是随机试验，S是它的样本空间。

阿木魔法学院1865_b324·2023-08-26 05:40

2018年我都做了

1.挂过科，C语言，大物，前几天考的概率论也很慌2.分了一次手，不过还好，没什么影响，到现在能吃能喝能睡，就是最近减肥少吃了3.照相机在我生日的时候办的婚礼，而且亲妈都没记得我生日，那天不开心了4.四级要考第二次了

是将离啊·2023-08-24 13:45

一个人在宿舍的阿葵

今天是周四，一整天只有上午两节概率论，也没有别的什么工作或是任务（其实是有的只是我还没开始），可以说今天是我从加入部门之后过得最轻松的一天了，也是最安心的一天，因为今天是听懂了概率论，并且自习一下午复习了有机两个章节

阿葵阿葵·2023-08-24 10:03

【25考研】- 整体规划及高数一起步

870计算机应用基础参考网上考研学长学姐：三、高数一典型题目、易错点及常用结论（一）典型题目（二）易错点（三）常用结论1.arcsinx+arccosx=∏/2一、整体规划数（一）150：高数一、线代、概率论英

吾仪·2023-08-24 07:00

《考研概率论学习之我见》 -by zobol

1.从条件概率的定义来看独立事件的定义2.从古典概率的定义来看独立事件的定义3.P(A|B)和P(A)的关系是什么？4.由P(AB)=P(A)P(B)推出“独立”5.从韦恩图来看独立事件的定义6.为什么多个事件两两独立推不出相互独立7.在考研古典概率中，有一个P(A|B)=P(A)就可以推出两者是独立事件吗？8.在考研中，独立事件可以看作是“独立”的吗？1.从条件概率的定义来看独立事件的定义在考研

zobol·2023-08-24 02:34

【学习笔记】一位概率交易者的心得（二）

Probability.jpg【追求交易的整体概率】概率论还告诉我们，概率并不是均匀分布的。

坤乾泰·2023-08-24 02:51

如何构建批判性思维

于是他转而利用概率论和决策论，来说明了信仰上帝的根据。如果相信上帝的存在，而上帝又确实的存在的话，那么你得到的将是天堂和无尽的奖赏。

谭波2017·2023-08-24 01:58

深度学习基础

文章目录1.数学基础1.1标量和向量1.2向量运算1.3矩阵1.4张量1.5导数2.numpy常用操作3.梯度下降算法4.反向传播4.1完整的反向传播过程4.2代码演示5.网络结构--全连接层6.激活函数6.1激活函数-Sigmoid6.2激活函数-tanh6.3激活函数-Relu6.4激活函数-Softmax7.损失函数7.1损失函数-均方差7.2损失函数-交叉熵7.3损失函数-其他8.优化器9

@kc++·2023-08-23 20:10

＜深度学习基础＞激活函数

为什么需要激活函数？激活函数的作用？激活函数可以引入非线性因素，可以学习到复杂的任务或函数。如果不使用激活函数，则输出信号仅是一个简单的线性函数。线性函数一个一级多项式，线性方程的复杂度有限，从数据中学习复杂函数映射的能力很小。激活函数可以把当前特征空间通过一定的线性映射转换到另一个空间，让数据能够更好的被分类；为什么激活函数需要非线性函数？假若网络中全部是线性部件，那么线性的组合还是线性，与单独

thisiszdy·2023-08-23 15:06

深度学习基础知识-pytorch数据基本操作

1.深度学习基础知识1.1数据操作1.1.1数据结构机器学习和神经网络的主要数据结构，例如0维：叫标量，代表一个类别，如1.01维：代表一个特征向量。

渣渣洒泪成长记·2023-08-23 15:32

概率论作业啊啊啊

1数据位置(Measuresoflocation)对于数据集:7,9,9,10,10,11,11,12,12,12,13,14,14,15,167,9,9,10,10,11,11,12,12,12,13,14,14,15,167,9,9,10,10,11,11,12,12,12,13,14,14,15,16计算加权平均数，其中权重为:2,1,3,2,1,1,2,2,1,3,2,1,1,1,12,1

图灵猫-Arwin·2023-08-23 11:38

推荐频道

深度学习基础——概率论