矩阵论

数据标准化/归一化normalization

基础知识参考：[均值、方差与协方差矩阵][矩阵论：向量范数和矩阵范数]数据的标准化（normalization）和归一化数据的标准化（normalization）是将数据按比例缩
goodshot·2018-03-08 19:53

传统加密技术续-Hill Vigenere Vernam

Hill密码希尔密码(HillCipher)是运用基本矩阵论原理的替换密码，由LesterS.Hill在1929年发明。
GeneralAndroid·2018-02-07 22:45

一文搞懂深度学习正则化的L2范数

想要彻底弄明白L2范数，必须要有一定的矩阵论知识，L2范数涉及了很多的矩阵变换。在我们进行数学公式的推到之前，我们先对L2范数有一个感性的认识。L2范数是什么？
芳芳不是我真名·2018-01-31 08:31

人工智能时代，你的数学基础够用吗？

为了搞懂这个问题，小编到处搜索答案，最终找到知乎的这个回答最为切合，那些上来就是贝叶斯、凸优化、矩阵论的还是好高骛远了一些，对我们这些数学基础知识已经遗忘殆尽的程序员还是得从头开始学起。
非著名程序员_·2017-12-05 00:00

矩阵论与矩阵分析——学习资料(更新..........)

  矩阵论和线性代数的区别，看名字就差不多知晓了，研究重点不一样！矩阵论和矩阵的分析，推荐下面的书。
wjheha·2017-11-29 15:39

人工智能里的数学修炼 | 矩阵的花样分解：特征值分解（EVD）、相似对角化、QR分解、Schur分解、奇异值分解（SVD）的概念纠缠与详解

前言在高等代数里，矩阵分解是一个十分基础与重要的内容，任何一个学校对于理工科的研究生教育都会开设相应的课程，如：矩阵分析、矩阵论、线性系统等。
Liangjun_Feng·2017-11-06 00:00

特征值与特征向量在图像处理中的应用

在学习了矩阵论以来，虽然知道很多问题的求法，就如矩阵特征值和特征向量，它们有何意义我们却一点不知。我想纯粹的理知识已经吸引
伊藤炫·2017-10-24 11:42

机器学习线性回归中，用矩阵求导方法求最小二乘法的方法

要看懂矩阵求导法则，是需要一些矩阵论的知识的，还记得今年夏天我在苦逼地到处求矩阵论地速成资料，还真让我找到了，名字叫《matrix+vector+derivatives+for+machine+learning
Johnny_Cuii·2017-10-12 09:43

矩阵的求导

Aisamatrixd(A∗x)/dx=Ad(xT∗A)/dxT=Ad(xT∗A)/dx=ATd(xT∗A∗x)/dx=xT(AT+A)practice:这几天由于用到矩阵求导相关的知识，但是自己没有学过矩阵论
manjhOK·2017-10-07 13:26

Numpy中的矩阵乘法问题

最近参加的一个Program，主题是生物识别，其中的PCA/LDA特征值提取部分需要大量用到线性代数矩阵论的知识，但是稍不注意numpy中的乘法规则就很容易得到错误的结果，最终导致后续结果的崩盘，尤其是较大规模的矩阵
CodingQK·2017-07-27 22:54

矩阵论：向量求导/微分和矩阵微分

http://blog.csdn.net/pipisorry/article/details/68961388复杂的矩阵函数求导。著名的matrixcookbook为广大的研究者们提供了一本大字典，里面有着各种简单到复杂矩阵和向量的求导法则。布局(Layout)矩阵求导有两种布局，分子布局(numeratorlayout)和分母布局(denominatorlayout)。为了阐明这两种布局的区别，
-柚子皮-·2017-04-03 16:05

本证方程的本征值 与 特征方程的特征值 的 区别 辨析

本证方程的本征值与特征方程的特征值的区别辨析[原创博客，转载注明出处：http://blog.csdn.net/scotfield_msn/article/details/54576987]在本科时候学习线性代数矩阵论时
Scofield_Phil·2017-01-16 20:03

机器学习开始

分为几个阶段性的目标：1、年底之前能够了解机器学习主要方向以及基础知识2、明年五月份之前阅读论文+实践3、之后一切凭感觉从最近一周读的书来看理论方向是以数学为主，概率论，数理统计，统计学方法，矩阵论，泛函分析这些是比不可少的
dips48·2016-12-18 15:05

OpenGL ES（一）绘制三角形

OpenGL好庞大，画个三角形画的吐血，理论里面涉及到的数学知识比较多，主要是三角函数以及矩阵论里面的东西，不过反复用来用去也就那么多，补充一下这方面的知识也能很快上手，好吧，为了以后能够随心所欲的画图
GiGi_·2016-12-10 15:56

人工智能之旅

研究生课程有下面几种：随机过程与数理统计，矩阵论，优化理论，近世代数，数理逻辑，数字信号处理，图象处理与分析，模式识别，计算机视觉，人工智能，机器人学，计算智能，非线性理论(如分形、混沌等)，控
KillDevi1·2016-11-25 22:15

图像处理与计算机视觉相关的书籍

所对应的数学知识是高等数学（微积分），线性代数（矩阵论），概率论和随机过程。这三门课也是考研的三门课，
努力奋斗-不断进化·2016-10-09 09:02

数据标准化/归一化normalization

基础知识参考：[均值、方差与协方差矩阵][矩阵论：向量范数和矩阵范数
-柚子皮-·2016-08-19 09:40

图像处理与计算机视觉相关的书籍

所对应的数学知识是高等数学（微积分），线性代数（矩阵论），概率论和随机过程。这三门课也是考研的三门课，
damifeng2018·2016-08-17 15:10

矩阵分析与应用

程博士用两个小时概讲了《线性代数》《矩阵论》两本书的内容，结合其他的
心潇瑶·2016-05-31 17:02

矩阵分析与应用

程博士用两个小时概讲了《线性代数》《矩阵论》两本书
JoyceWYJ·2016-05-31 17:00

古典密码之hill密码的加密与解密程序实现

原理：希尔密码(HillPassword)是运用基本矩阵论原理的替换密码，由LesterS.Hill在1929年发明。每个字母当作26进制数字:A=0,B=1
no_sying_nothing·2016-05-29 22:10

ML数学之矩阵奇异值分解及其应用

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。
wtq1993·2016-05-27 11:00

“Human-level concept learning through probabilistic program induction”阅读笔记

最早是上学期元旦的时候老板发邮件让我看这篇paper，但是当时一直在复习随机过程跟矩阵论一直没时间细看。后来这学期选修的机器学习课的老师也安排了这个文献的阅读。于是乎就仔细的看了两遍。。
qq_29828623·2016-04-21 22:00

【机器学习详解】矩阵奇异值分解(SVD)及其应用

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇
luoshixian099·2016-04-10 09:00

矩阵奇异值分解(SVD)及其应用

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简单的几个子
Losteng·2016-04-02 13:00

pca与svd的好文

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背
ivysister·2016-03-21 16:00

古典密码之hill密码的加密与解密程序实现

原理：希尔密码(HillPassword)是运用基本矩阵论原理的替换密码，由LesterS.Hill在1929年发明。每个字母当作26进制数字:A=0,B=1
羽翼渐丰·2016-03-16 11:53

古典密码之hill密码的加密与解密程序实现

原理：希尔密码(HillPassword)是运用基本矩阵论原理的替换密码，由LesterS.Hill在1929年发明。每个字母当作26进制数字:A=0,B=1
羽翼渐丰·2016-03-16 11:53

图像处理与计算机视觉：基础，经典以及最近发展（2）图像处理与计算机视觉相关的书籍

所对应的数学知识是高等数学（微积分），线性代数（矩阵论）
w5862338·2016-01-01 16:00

深度学习系列（四）：什么是稀疏编码

从一个简单的例子说起，相信大多数人学过线性代数或者矩阵论之类的课程吧，再线性代数中，最初始的时候就会学到关于如何判断一大堆向量线性的相关或者不相关性，
on2way·2015-12-23 21:21

深度学习系列（四）：什么是稀疏编码

从一个简单的例子说起，相信大多数人学过线性代数或者矩阵论之类的课程吧，再线性代数中，最初始的时候就会学到关于如何判断一大堆向量线性的相关或者不相关性，
on2way·2015-12-23 21:00

线性代数矩阵论——行列式的一些性质推论及Cramer法则

行列式的性质及推论 1. 对角行列式的值为主对角线上元素的乘积 2. 辅对角行列式的值 3. 上三角和下三角行列式的值为主对角线上元素的乘积 4. 若行列式的某一行（列）的元素皆为零，则行列式的值为零 5. 交换行列式两行（列）元素的位置，行列式反号 6. 若行列式有两行（列）元素相同，则行列式的值为零 7. 将行列式转置，行列式的值不变，即 8. 若行列式有
·2015-11-13 03:25

线性代数矩阵论——特征值特征向量相似矩阵应用示例

天气Markov链的稳定状态 设一个地区的天气状态为晴、阴、雨三种状态，今天天气状态出现的概率为向量，其中，，分别是今天出现晴、阴、雨的概率。设明天状态概率为向量，转移矩阵A为 ， 天气状态概率的模型为，即 用该模型可以预测以后第k天天气状态概率如下： ，，，…，，这就是天气Markov链，用它可以得到：， 天气Markov链稳态问题是：是否在天出现一个状态概率，使，
·2015-11-13 03:20

线性代数矩阵论——矩阵的基本运算——加、减、取负、乘、数乘、转置

1. 矩阵加法 前提条件：同型矩阵 操作数：两个m*n矩阵A=[aij]，B=[bij] 基本动作：元素对应相加 2. 矩阵减法 前提条件：同型矩阵 操作数：两个m*n矩阵A=[aij]，B=[bij] 基本动作：元素对应相减 3. 矩阵取负 前提条件：无 操作数：任意一个m*n矩阵A=[aij] 基本动作：元素对应取负 4. 矩阵
·2015-11-13 03:49

线性代数矩阵论——矩阵的属性

图1 一般矩阵和方阵的属性   一般矩阵A=[aij]m*n，n阶方阵A=[aij]n*n   属性 标记 属性含义 属性求解方法或步骤 一般矩阵 行数   m   列数   n   秩 r(A) 矩阵A中不等于零的子
·2015-11-13 03:40

线性代数矩阵论——矩阵的分类

根据矩阵中包含元素的内容及分布排列形式，可将矩阵如下分类： 图1 按元素内容及排列形式的矩阵分类及各类矩阵之间的关系   一般矩阵 数域F上的m*n个数aij，i=1, 2, …, m; j=1, 2, …, n, 排成m行n列的数表 ，称为m*n矩阵，简记为A=[aij]m*n   零矩阵 所有元素都为0的矩阵。记为0 &n
·2015-11-13 03:35

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一
·2015-11-12 16:57

SVD学习

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，
·2015-11-11 17:56

矩阵求导，矩阵计算

原文地址： 【转载】矩阵求导，矩阵计算 作者： 风雪夜归人 这几天由于用到矩阵求导相关的知识，但是自己没有学过矩阵论(研究生选课的时候，导师没有让选)，于是百度了下，觉得完整的相关资料不多，还好发现了下面的这篇博客
·2015-11-11 04:47

浅析布尔代数、图论及矩阵在互联网搜索中的应用

所阐述的内容包含了互联网搜索引擎索引构造技术、网络爬虫技术及PageRank算法，涉及的数学知识涵盖了布尔代数、图论和矩阵论。   0 引言 随着科技的进步，网上冲浪已进入了千家万户。
·2015-11-08 15:41

WorldWind源码剖析系列：四元数类Quaternion

四元数是英国数学家哈密顿(W.R.Hamilton)在1843年发现的，由于矩阵论的不断丰富和不断完善，人们更乐意采用矩阵来解决实际工程中的问题，这导致四元数在相当长的时间里没有被人们重视，更没有得到实际的应用
·2015-11-07 12:09

小波分析

１学习小波变换所需的基础知识由于小波变换的知识涵盖了调和分析，实变函数论，泛函分析及矩阵论，所以没有一定的数学基础很难学好小波变换．但是对于我们工科学生来说，重要的是能利用这门知识来分析所遇到的问题．所以个人认为并不需要去详细学习调和分析
·2015-10-31 09:08

矩阵论、微积分与组合数学

http://blog.csdn.net/pipisorry/article/details/49180221{计算机相关编程、论文中遇到的与矩阵、微积分、组合数学相关的常见知识}矩阵论二次型Note:
pipisorry·2015-10-16 16:00

numpy线性代数基础 - Python和MATLAB矩阵处理的不同

本文主要设涉及线性代数和矩阵论的基本内容。先回顾这部分理论基础，然后给出MATLAB，继而给出Python的处理。个人感觉，因为Python是面向对象的，操纵起来会更接近人的正常思维；而MATLA
pipisorry·2015-05-07 17:00

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简单的几个子
wenyusuran·2015-04-13 14:00

理解GBDT算法（三）——基于梯度的版本

今天来说第二个版本，可以说这个版本的比较复杂，涉及到一些推导和矩阵论知识。但是，我们今天可以看到，两个版本之间的联系，这个是学习算法的一个重要步骤。
bigface1234fdfg·2015-03-31 16:42

理解GBDT算法（三）——基于梯度的版本

今天来说第二个版本，可以说这个版本的比较复杂，涉及到一些推导和矩阵论知识。但是，我们今天可以看到，两个版本之间的联系，这个是学习算法的一个重要步骤。
puqutogether·2015-03-31 16:00

记录下我学过的课程

数字信号处理电路分析微机原理及应用高频电子线路单片机原理电视原理与系统随机信号分析大学物理矢量分析与场论计算机网络网络操作系统微波技术与天线程序设计语言windows程序设计高等电子测量技术工程制图基础信号检测与估值统计信号处理信号检测与估值理论工科数学分析高等数学概率论与数理统计线性代数矩阵论工程优化方法复变函数与积分变换随机过程
itfanr·2014-12-23 21:00

[詹兴致矩阵论习题参考解答]序言

This book was done during the course of the author's reading ``matrix theory'' by Prof. X.Z. Zhan from 22nd Oct. 2014 to 13th Nov. 2104. Thank Prof. X.Z. Zhan for the reply of the email; and some hin
·2014-11-13 08:00

[詹兴致矩阵论习题参考解答]习题7.6

6. 举例说明: 存在那样的实方阵 $A$, $A$ 的零元素的个数大于 $A$ 的 Jordan 标准形的零元素的个数.       解答: 想法就是利用第 5 节的 Jordan 标准形的组合刻画. 既然非对角元的零元素的个数 Jordan 标准形最多. 我们只能让 $A$ 的对角元尽量地多为零, 但其特征值尽量少地为零. 一个例子即为: $$\bex A
·2014-11-13 08:00
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他