9.1-数学基础

DDPM模型——公式推导

DenoisingDiffusionProbabilisticModels代码实现：DDPM模型——pytorch实现推荐视频：54、ProbabilisticDiffusionModel概率扩散模型理论与完整PyTorch代码详细解读需要的数学基础
Peach_____·2023-01-16 08:38

机器学习数学基础（二）：概率论与统计量、大数定律、似然估计

机器学习数学基础（二）概率论概率论基础初步认识概率公式常见概率分布两点分布二项分布Bernoullidistribution泊松分布均匀分布指数分布正态分布Beta分布总结参数、期望、方差sigmoid
'仰望星空,脚踏实地'-菱·2023-01-15 18:40

机器学习之数学基础—概率论

1、概率的认识0<=p<=12、古典概型3、概率条件概率、全概率公式、贝叶斯公式3、概率密度函数4、累计分布函数
小韩学长·2023-01-15 18:10

机器学习数学基础四：随机变量和概率论基础

目录一，连续与离散随机变量1，离散型随机变量2，连续型随机变量3，简单随机抽样4，似然函数5，极大似然估计例子：二，概率论基础1，概率论是干什么的？2，随机事件是什么？3，概率与频率4，古典概型5，条件概率6，独立性7，独立试验8，二维随机变量1）二维离散型随机变量2）二维连续型随机变量例子：9，边缘分布1）离散型随机变量边缘分布2）连续型随机变量边缘分布例子：10，期望11，期望求解例子：12，
喜欢吃豆·2023-01-15 18:09

机器学习的数学基础 矩阵论与概率论

文章目录机器学习的数学基础1.1标量、向量、矩阵、张量之间的联系1.2张量与矩阵的区别？1.3矩阵和向量相乘结果1.4向量和矩阵的范数归纳1.5如何判断一个矩阵为正定？
Hust_Shine·2023-01-15 18:39

机器学习中的数学基础（四）：概率论

机器学习中的数学基础（四）：概率论4概率论4.1一些概念4.2二维随机变量4.2.1离散型4.2.2连续型4.3边缘分布4.3.1离散型边缘分布4.3.2连续型边缘概率密度4.4期望4.4.1一维期望4.4.2
三耳01·2023-01-15 18:38

人工智能学习系列教程-目录（附视频教程）

原文链接:人工智能学习系列教程-目录（附视频教程）一.人工智能基础篇–数学理论数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。
AI科技前线·2023-01-15 16:53

泛函分析在计算机科学中的应用,泛函分析在小波理论中的应用.doc

泛函分析在小波理论中的应用现代数学基础报告泛函分析在小波理论中的应用通过《应用泛函分析》课程的学习，了解到泛函分析是本科高等数学的推广，它综合了函数论、几何和代数的观点研究无穷维向量空间上的函数、算子和极限理论
weixin_39855634·2023-01-15 07:00

机器学习中的数学基础 DAY 2

目录向量、矩阵、张量向量与矩阵运算矩阵的逆与伪逆行列式性质矩阵分解向量、矩阵、张量张量（英语：Tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在n维空间内，有n^r个分量的一种量，其中每个分量都是坐标的函数，而在坐标变换时，这些分量也依照某些规则作线性变换。r称为该张量的秩或阶（与矩阵的秩和阶均无关
Heiko_Lee·2023-01-14 10:28

链表噩梦题之二：约瑟夫环问题

二、解决约瑟夫环问题的数学基础：阶梯循环函数表达式2.0.约瑟夫环的普通解法o(N*k)2.1.阶梯循环函数2.2.根据报数k，求之前被杀
冰露可乐·2023-01-14 06:42

数值分析复习笔记-第七章-非线性方程求根

Chapter7非线性方程求根7.1前言本质：对一些n次代数多项式or超越方程，它们的根是难以通过解析方法求得，因此需采取数值方法主要有：二分法不动点迭代法：迭代加速牛顿迭代法：牛顿法、割线法7.2二分法数学基础
Linxson·2023-01-14 01:15

R语言作加权最小二乘_自然语言处理算法工程师历史最全资料汇总-基础知识点、面试经验...

整理了算法面试需要数学基础知识、编程语言、深度学习、机器学习、计算机理论、统计学习、自然语言处理相关基础知识点；以及一些大长的实战面试经验，非常具有参考、学习价值，分享给大家。
weixin_39849387·2023-01-13 08:20

《白话机器学习的数学》基础知识梳理 & 基于python的代码实现

写在前面这本书很适合我这个机器学习小白，从数学基础开始，用自己的话凝练总结，慢慢整理。未经授权，禁止转载！如需转载，请与我联系。
面壁神·2023-01-12 19:42

附pdf下载 | 《机器学习数学基础》电子书

机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，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。机器学习有下面几种定义：（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。（2）机器学习是对能通过经验自动改进的计算机算法的研究。（3）机器学习是用数据
人工智能与算法学习·2023-01-12 19:42

《白话机器学习》（一）机器学习算法推导过程中的数学基础知识

写在前面本篇文章长时间更新，主要是为了整理自己在学习各种算法中遇到的数学知识。方便查阅。一.向量、矩阵求导１．∂Ax→∂x→=AT\frac{\partial{A\overrightarrow{x}}}{\partial\overrightarrow{x}}=A^T∂x∂Ax=AT２．∂Ax→∂x→T=A\frac{\partial{A\overrightarrow{x}}}{\partial\o
四叶草hah·2023-01-12 19:07

00 - 绪论/数学基础

什么叫“电磁场理论”研究：电荷在周围引起的效应发展简史1785年，库仑定律建立，标志着人类关于电现象定量化研究1820年，奥斯特发现电流的磁效应1875年，安培力定律到此为止，仍是非时变的；电与磁没有有机联系1832年，法拉第发现电磁感应定律1864年，麦克斯韦，位移电流，麦克斯韦方程∇×E⃗=−∂B⃗∂t\nabla\times\vec{E}=-\frac{\partial\vec{B}}{\p
Awaycsdn·2023-01-12 18:26

OpenGL超级宝典笔记（零）数学基础与基础变换

这部分与（一）的不同是这部分只注意使用价值，不搞矩阵怎么运算那些虚的，而且结合OpenGL来讲。声明：摘抄，翻译，感悟自http://www.songho.ca/opengl/gl_transform.html#modelview主要流程基础数学知识别理太多，反正转换矩阵总是在坐标或者向量的前面，公式一直都是Coorddst=Mtransform∗CoordoriCoord_{dst}=M_{tr
王文珏·2023-01-12 16:48

机器学习——数学基础(一)

机器学习数学基础均匀分布转变为正态分布importnumpyasnpimportmatplotlib.pyplotaspltimportmathx=np.random.rand(1000)##rand是均匀分布
Aure219·2023-01-12 09:48

重温线性代数（3）——正交、投影

同时，我也发现了自己数学基础的严重不足，急需好好重学一遍线性代数，为之后的学习打好基础。因此，“重温线性代数”这个系列就诞生了。
xtyang315·2023-01-11 22:31

机器人机构学的数学基础——绪论

与机构及机器人有关的基本知识机器人机构学的主要研究内容机构学与机器人学研究的数学方法李群李代数旋量理论——这是读书笔记1与机构学和机器人学联系紧密的数学工具中，人们比较熟悉线性代数与矩阵理论，对旋量理论、李群李代数等现代数学工具还知之甚少。而后者在机构学与机器人学研究领域里近年来越来越受到重视，并得到了日益广泛的应用。旋量理论和李群、李代数理论在现代物理学和刚体运动领域取得了成功的应用，也日渐成为
我才睡醒·2023-01-11 13:56

机器学习之数学基础——期望、方差、协方差、相关系数、矩、协方差矩阵

期望定义性质方差定义切比雪夫不等式协方差定义性质协方差的上界方差和协方差的关系相关系数矩协方差矩阵期望定义离散型E(X)=∑i∞xkpk连续型E(X)=∫∞−∞xf(x)dx性质E[aX+bY]=aE[X]+bE[Y]方差定义D(X)=Var(X)=E{[X−E(X)]2}=E(X2)−[E(X)]2切比雪夫不等式定理设随机变量X具有数学期望E(X)=μ，方差D(X)=σ2，则对于任意整数ϵ，不等
BerMaker·2023-01-09 16:33

关于线性回归的公式推导

数学基础太差了感觉看不太懂插个眼以后回来再看推导最优值optimalvalue的公式先有loglikelihood对数似然估计的公式因为要最优化，所以取梯度等于0合并之后：可以得出sigma的平方推导加权均方误差
爱格白·2023-01-09 13:05

机器学习的数学基础（6）：矩阵的SVD分解与最小二范数解

其实在上一篇文章中遗留了两个问题。在我们讨论最小二乘回归问题解的时候，当rank(A)
李小札·2023-01-09 13:49

数学基础（二）逆矩阵、伪逆矩阵、最小二乘解、最小范数解

举一个多元线性回归的例子：假设都为n维的行向量，N表示样本个数，y为实数。则得到到，其中，为向量中的n个值；就是要估计的参数。将上式写成矩阵的形式就是我们的目的就是要解出参数a的列向量，则通过下式即可解出a向量。但是通常情况下样本量N并不等于每个样本的维度n，则求的最小值对a求偏导，导数等于0处去最小值【置于为什么求偏导后的式子是这样的，我放到了最后说明，该结论记住即可】移项得那么是否可逆呢？如果
Billie使劲学·2023-01-09 13:16

线性模型：AR、MA、ARMA、ARMAX、ARX、ARARMAX、OE、BJ等

目录1AR12MA13ARMA14ARMAX25ARX26ARARX37ARARMAX38OE39BJ3各种线性模型，这些模型算数学基础模型，不仅在计量经济学，也在工业控制等各领域有应用。
AI强仔·2023-01-09 10:21

谱聚类原理（深入浅出）

6.1RatioCut切图6.2Ncut切图7.优缺点8.谱聚类实施上的指导性细节8.3类别的数目python案例参考资料0总结谱聚类算法是一个使用起来简单，但是讲清楚却不是那么容易的算法，它需要你有一定的数学基础
赵孝正·2023-01-08 18:43

西电《网络空间安全数学基础》 网安数基

西电网络空间安全数学基础《第一章：线性系统与矩阵乘法》文章目录讲在前面章节脉络第一章线性系统与矩阵乘法概述一、线性反馈移位寄存器（LFSR）的引入1.1移位寄存器：1.2反馈移位寄存器：1.3线性反馈移位寄存器
smile_chance·2023-01-08 11:59

2017年10月历史文章汇总

4月历史文章汇总2017年5月历史文章汇总2017年6月历史文章汇总2017年7月历史文章汇总2017年8月历史文章汇总2017年9月历史文章汇总2017年10月1日【推荐】免费书(草稿)：数据科学的数学基础跟阿里云技术专家阙寒
darren2015zdc·2023-01-08 09:41

【机器学习基础】9 大主题！机器学习算法理论面试题大汇总

算法理论基础不仅包含基本概念、数学基础，也包含了机器学习、深度学习相关。
风度78·2023-01-08 06:27

24考研计划（看了个视频，记录一下）

目前--2月：不要买任何教材可学学英语和数学：此时可以复习：英语单词和数学基础课程3-6月：复习偏向数学和英语，因为这两科更重视时间的积累。
perfect_god·2023-01-07 08:25

Pytorch_GAN_mnist细节讲解从理论到实践

按自己的思路整理了一遍，尽量把每个细节（理论、公式、训练方式、代码），给大家讲解清楚，个人花了一天时间入门Gan的基础，其实对于大部分人都是做应用，但是还是如果感兴趣，还是得花功夫在数学上，里面一些细节的推导，设计到数学基础
思考实践·2023-01-07 07:14

matlab用幂法求特征值与特征向量_众人皆醉我独醒——深入理解“特征值”和“特征向量”...

这是《机器学习中的数学基础》系列的第7篇，也是线性代数的最后一篇。我们已经知道，矩阵和向量的乘法就相当于对该向量做了一个线性变换。在这个变换中，大部分的向量都发生了偏移，脱离了原“轨道”。
weixin_39967598·2023-01-06 17:05

程序员的自我修养之数学基础08：特征值、特征向量和特征值分解

啊，转行学计算机的过程，就是不断“开倒车”的过程……为了理解概念A，你发现你得先理解概念BCD，为了理解概念B，你发现还得明白概念EFD……一直开倒车到大一的高数线代……不过Anyway，坚持就是胜利，继续看下去吧！！！特征向量和特征矩阵，真的是非常非常重要的概念啊，不管是课本还是论文里，翻一翻就能看到。那它们到底在说什么呢？先甩概念——看起来有点晕，不急，让我们理一理。我们知道，矩阵，代表的是“
M＆Q·2023-01-06 17:32

机器学习中的数学基础：(1)实际应用中矩阵特征值与特征向量的几何意义

关于特征值、特征向量的讲解有很多的教程，对于这些枯燥的数学基础怎么运用到自己的实际计算机视觉实验中，是一项很重要的任务。
Upupup6·2023-01-06 17:57

（人工智能的数学基础）第一章特征向量与矩阵分析——第三节：特征向量与特征值

参考3Blue1Brown系列：特征向量和特征值第十章线性代数之特征向量与特征值】3Blue1Brown知乎：线性代数的本质10特征向量和特征值文章目录一：特征向量与特征值概念引入二：特征向量与特征值概念求解三：特征向量与特征值概念注意四：如果基向量就是特征向量（特征基）五：特征向量与特征值应用举例-特征降维一：特征向量与特征值概念引入我们知道，基向量i=(10)i=\begin{pmatrix}
快乐江湖·2023-01-06 17:20

深度学习入门

1.1.5理解深度学习的工作原理，三幅图1.2机器学习简史1.2.1概率建模1.2.2早期神经网络1.2.3内核方法1.2.4决策树、随机森林和梯度提升机1.2.5是什么让深度学习与众不同2、神经网络的数学基础
after 19.·2023-01-06 14:35

数字图像处理：（3）一阶微分算子在图像处理中的应用

目录1、数学基础2、图像微分知识3、滤波器4、微分算子4.1、一阶微分算子4.1.1、Sobel算子4.1.2、scharr算子4.1.3、Roberts交叉梯度算子4.1.4、Prewitt算子4.1.5
Upupup6·2023-01-06 09:07

数学基础课-保研笔记分享

文章目录前言通用基础-重点前言更多整理笔记见：数学基础课-保研笔记分享通用基础-重点初等数学研究对象基本上是不变量，而高等数学研究所向则是变动的量一切初等函数在其定义域内部都是连续的零点定理与介值定理*
嗜睡的篠龙·2023-01-06 03:36

机器学习的数学基础

目录前言一、向量1、标量2、向量二、线性变换三、矩阵1、定义2、基本运算3、单位矩阵4、逆矩阵5、奇异矩阵6、对称矩阵7、欧式变换8、齐次坐标四、导数&偏导数1、导数、偏导数2、梯度五、概率学基础1、事件与关系运算2、事件运算定律3、概率的基本概念4、数学期望、方差、标准差5、正态分布（高斯分布）六、熵entropy七、kl散度（相对熵）前言  数学是一切科学的基础，可以说人类的每一次重大进步背后
小嵌同学·2023-01-05 17:34

Paddle飞桨图神经训练营笔记

图神经网络链接：图神经网络7日打卡营课程基础数学基础：高等数学线性代数概率与数理统计编程基础Python:numpyPaddlePaddle1.8PGL机器学习基础神经网络（FC，BPNN)资料综述GraphNeuralNetworks
洛Darki·2023-01-05 15:49

分组密码算法与AES算法

目录1关于AES算法的数学基础2主要内容2.1AES形成过程2.2分组密码的要求2.3AES分组长度、密钥长度、轮数的关系2.4AES算法加解密框架2.5AES的分组2.6AES的S盒（字节代换ByteSub
Day-3·2023-01-05 12:36

【0408】AES

AES数学基础1.多项式加法系数异或2.多项式乘法不可约多项式=既约多项式这里的不可约多项式X^8+X4+X3+X+13.系数在GF（X^8）上的多项式计算乘法在AES中，使用的模数多项式取：M(x)=
My_summers·2023-01-05 12:34

机器学习笔记—吴恩达

还有相关的数学基础理论也做了部分笔记链接：https://pan.baidu.com/s/1YoNUvLVNROk_xqeXd8T4GA提取码：ldd1后续可能也在这些里面更新
这里是阿丁·2023-01-04 15:37

第二章神经网络的数学基础

神经网络的数学基础初识神经网络神经网络的数据表示标量（0D【0维】张量）向量（1D【1维】张量）矩阵（2D张量）3D张量与更高维张量关键属性在Numpy中操作张量数据批量的概念现实世界中的数据张量向量数据时间序列数据或序列数据图像数据视频数据神经网络的
可可kk·2023-01-04 11:39

《Python深度学习》读书笔记：第2章 神经网络的数学基础

目录第2章神经网络的数学基础2.1初识神经网络2.2神经网络的数据表示2.2.1标量（0D张量）2.2.2向量（1D张量）2.2.3矩阵（2D张量）2.2.43D张量与更高维张量2.2.5关键属性2.2.6
非文的NLP修炼笔记·2023-01-04 11:08

第二章：神经网络的数学基础

文章目录补充关于类和标签的说明MNIST数据集初识神经网络加载Keras中的MNIST数据集准备图像数据准备标签网络架构编译运行性能评估神经网络的数据表示标量（0D张量）向量（1D张量）矩阵（2D张量）3D张量与更高维张量关键属性在Numpy中操作张量数据批量的概念现实世界中的数据张量向量数据时间序列数据或序列数据图像视频张量运算逐元素运算广播张量点积张量变形张量运算的几何解释深度学习的几何解释神
hliu1307·2023-01-04 11:59

GNN GCN和GAT

GCN是将卷积应用到图数据上，其数学基础呢是利用拉普拉斯矩阵而GAT是将注意力系数应用到图数据上。GCN和GAT都是将邻居节点的特
一枚石头·2023-01-03 17:30

深度学习资源分享

数学基础需要掌握的知识：优化方法、线性代数、微积分、概率论、矩阵论、信息论...【深度学习数学基础-深度学习大讲堂】https://study.163.com/course/introductio
OnlyCoding…·2023-01-03 11:08

《动手学深度学习v2》之细致解析（2)数据处理以及相关数学基础

前言作者来自北京某不知名985，现在是本科在读学生，专业是数据科学与大数据技术，班上同学都太卷了，没办法，需要学习深度学习，经大佬介绍，在B站上找到了一个很不错的资源，李沐老师的《动手学深度学习v2》，不仅有全套视频，讲解细致，而且配套资料全部公开免费，不用加公众号也不用私别人的vx，我觉得挺不错，在这里做一个学习记录，也想跟大家一起讨论深度学习相关的问题。新的一年，不要摆烂，一起加油！！！这里附
Trafalger D Water Law·2023-01-03 08:02

视觉SLAM学习路线

学SLAM方向跟motionplanning科研都不好做，而且都很吃数学基础。学习难度的话，planning可能教程更多一点，
极客范儿·2023-01-03 08:01
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他