SVD

减小dnn模型大小的方法

在DNN训练中，dnn模型参数较多，模型复杂，size较大，训练时间较长，下面介绍两种减小modelsize的方法：一、nodeprune笔记见图二、通过SVD分解，降低数据维数，从而达到降低计算量，降低模型的
jiaobei2354717·2014-07-15 19:27

Mahout in Action 读书笔记chapter4 进行推荐

3.在Mahout中实现其他推荐算法，slope-one，基于SVD和基于聚类的算法。
feitongxunke·2014-07-11 22:00

协同过滤推荐系统（Collaborative Filtering recommendation）及SVD的应用

作者：金良（[email protected]）csdn博客：http://blog.csdn.net/u012176591下图的矩阵是由餐馆的菜品和不同用户对这些菜品的意见构成，用户可以采用1到5之间的任意整数对菜品进行评级，如果用户没有尝过这道菜，则评级为0。我们的推荐系统的功能是：对于某个用户，从他未尝过的菜品里推荐几道他可能最喜欢（评分最高）的菜品。推荐的机制：当系统对某个用户
u012176591·2014-06-30 11:00

奇异值分解（SVD）意义及具体实现

作者：金良（[email protected]）csdn博客：http://blog.csdn.net/u0121765911、SVD优缺点优点：不需要像余弦距离方法一样一次次地迭代，所以速度较快
u012176591·2014-06-29 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

前言：   上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。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·2014-06-27 18:00

[置顶] 奇异值分解（SVD）的之低秩近似和特征降维

SVD的第一个作用之低秩近似（LowRankApproximation）：，，即
wxcdzhangping·2014-06-19 12:00

PCA SVD opencv 降维对比

这里选用HOG特征的数据对比#include"stdafx.h" #include #include #include usingnamespacecv; usingnamespacestd; vectorget(stringfilename) { vectorimg_path;//输入文件名变量 ifstreamsvm_data(filename.c_str()); stringbuf; int
yeyang911·2014-06-17 21:00

邱怡轩：R中大规模矩阵的SVD与矩阵补全

邱怡轩：R中大规模矩阵的SVD与矩阵补全奇异值分解（SVD）及与其相关的特征值分解是统计模型中重要的代数运算工具，在传统的统计方法，如回归分析、主成分分析中有广泛的使用。
李航421·2014-06-17 09:00

求伪逆的三种方法：直接，SVD，QR

求伪逆的三种方法：直接，SVD，QR -[专业理论]版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明http://www.blogbus.com/shijuanfeng-logs/238839798
xulinshadow701·2014-06-10 15:00

奇异值分解SVD应用——LSI

潜在语义索引（LatentSemanticIndexing）是一个严重依赖于SVD的算法，本文转载自之前吴军老师《数学之美》和参考文献《机器学习中的数学》汇总。
wbj0110·2014-06-10 10:00

奇异值分解SVD应用——LSI

潜在语义索引（LatentSemanticIndexing）是一个严重依赖于SVD的算法，本文转载自之前吴军老师《数学之美》和参考文献《机器学习中的数学》汇总。
wbj0110·2014-06-10 10:00

奇异值分解SVD应用——LSI

潜在语义索引（LatentSemanticIndexing）是一个严重依赖于SVD的算法，本文转载自之前吴军老师《数学之美》和参考文献《机器学习中的数学》汇总。
wbj0110·2014-06-10 10:00

SVD在推荐系统中的应用（笔记）

p=24391、简介该文章中提出两个创新点，首先先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD不仅会提高准确率还会降低计算复杂度；另外一个创新点是在于使用三维矩阵
lzj290438714end·2014-06-04 23:00

MATLAB基本操作（六）：矩阵操作的相关函数

矩阵的范数：1-范数：norm(A,1); %实际上返回矩阵A列向元素和的最大值max(sum(abs(A)));             2-范数：norm(A,2); %返回矩阵A的最大的奇异值max(svd
wenyusuran·2014-06-04 09:00

强大的矩阵奇异值分解(SVD)及其应用

版权声明：   本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系[email protected]前言：   上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值
u010944555·2014-06-02 20:00

K-SVD与On-line dictionary learning

字典学习是SparseCoding的重要部分，字典学习通常采用两种方法，一种是K-SVD，另一种则是On-linedictionarylearning。
Vincent乐·2014-06-01 16:16

K-SVD与On-line dictionary learning

  字典学习是SparseCoding的重要部分，字典学习通常采用两种方法，一种是K-SVD，另一种则是On-linedictionarylearning。
chlele0105·2014-06-01 16:00

简单易学的机器学习算法——主成分分析(PCA)

处理降维的技术有很多种，如前面的SVD奇异值分解，主成分分析(PCA)，因子分析(FA)，独立成分分析(ICA)等等。二、PCA的概念PCA是一种较为常用的降维技术，PCA的思想是将维特
zhiyong_will·2014-06-01 16:21

简单易学的机器学习算法——主成分分析(PCA)

处理降维的技术有很多种，如前面的SVD奇异值分解，主成分分析(PCA)，因子分析(FA)，独立成分分析(ICA)等等。二、PCA的概念  PCA是一种较为常用的降维技术，PCA的思想
google19890102·2014-06-01 16:00

简单易学的机器学习算法——SVD奇异值分解

一、SVD奇异值分解的定义  假设是一个的矩阵，如果存在一个分解：其中为的酉矩阵，为的半正定对角矩阵，为的共轭转置矩阵，且为的酉矩阵。
google19890102·2014-05-26 21:00

SVD 与 PCA 的直观解释(4): PCA 主成分分析

这部分主要讲解特征向量空间和SVD分解在PCA中的应用。
heyijia0327·2014-05-24 00:00

SVD 与 PCA 的直观解释(3): SVD的直观解释及推导

引子：SVD分解就是把一个实数矩阵M分拆成UDV。U，V都是正交旋转矩阵。这个分拆可以形象的理解为，我要看看这个空间M性质怎么样？那我可以用标准笛卡尔空间来构造出一个一模一样的M空间。
heyijia0327·2014-05-24 00:00

SVD 与 PCA 的直观解释(2): 特征值与特征向量

这一部分主要讲特征值和特征向量背后的物理或者几何方面的直观解释。   参考地址：http://zh.wikipedia.org/wiki/%E7%89%B9%E5%BE%81%E5%90%91%E9%87%8F
heyijia0327·2014-05-24 00:00

SVD 与 PCA 的直观解释(1): 线性变换

一直想弄明白SVD分解后面蕴含的直观意义，可这牵扯到矩阵乘法和线性变换的物理含义的理解。在考虑SVD用途时又牵扯到PCA降维，而PCA降维里又扯到特征值和特征向量。于是，索性全记下来，供诸位探讨学习。
heyijia0327·2014-05-24 00:00

mahout连接mysql，使用ReloadFromJDBCDataModel，采用SVD推荐算法。

因为工作需要，mahout直接连接mysql做智能推荐。首先你得自己去计算(User_id,Item_id,preference)，然后把这些数据导入到数据库中，JDBCDataModel对Mysql格式做了限制。推荐使用如下语句建立自己的表CREATETABLEtaste_preferences( user_idBIGINTNOTNULL, item_idBIGINTNOTNULL, prefe
pan12jian·2014-05-21 10:00

【0-1】矩阵分解

无论是基于数值的矩阵分解如PMF[SVD]，还是基于概率的矩阵分解如PLSA、LDA，都是如此。
liuzhiqiangruc·2014-05-19 17:00

【0-1】矩阵分解

无论是基于数值的矩阵分解如PMF[SVD]，还是基于概率的矩阵分解如PLSA、LDA，都是如此。
liuzhiqiangruc·2014-05-19 17:00

crab-源码-模型和算法

crab-master/scikits/crab/recommenders/svd/classes.py*基于knn/item_strategies/ItemsNeighborhoodStrategy 
深蓝苹果·2014-05-15 13:00

SVD 与 LSI教程（5）：LSI关键字研究与协同理论

（1）SVD与LSI教程（1）：理解SVD和LSI（2）SVD和LSI教程（2）：计算奇异值（3）SVD与LSI教程（3）：计算矩阵的全部奇异值（4）SVD与LSI教程（4）：LSI计算（5）SVD与LSI
dengbodb·2014-05-14 19:00

SVD 与 LSI 教程（4）： LSI计算

（1）SVD与LSI教程（1）：理解SVD和LSI（2）SVD和LSI教程（2）：计算奇异值（3）SVD与LSI教程（3）：计算矩阵的全部奇异值（4）SVD与LSI教程（4）：LSI计算（5）SVD与LSI
dengbodb·2014-05-14 19:00

SVD与 LSI教程（3）： 计算矩阵的全部奇异值

（1）SVD与LSI教程（1）：理解SVD和LSI（2）SVD和LSI教程（2）：计算奇异值（3）SVD与LSI教程（3）：计算矩阵的全部奇异值（4）SVD与LSI教程（4）：LSI计算（5）SVD与LSI
dengbodb·2014-05-14 16:00

SVD和LSI教程（2）：计算奇异值

（1）SVD与LSI教程（1）：理解SVD和LSI（2）SVD和LSI教程（2）：计算奇异值（3）SVD与LSI教程（3）：计算矩阵的全部奇异值（4）SVD与LSI教程（4）：LSI计算（5）SVD与LSI
dengbodb·2014-05-14 16:00

SVD与LSI教程（1）：理解SVD和LSI

（1）SVD与LSI教程（1）：理解SVD和LSI（2）SVD和LSI教程（2）：计算奇异值（3）SVD与LSI教程（3）：计算矩阵的全部奇异值（4）SVD与LSI教程（4）：LSI计算（5）SVD与LSI
dengbodb·2014-05-14 16:00

机器学习之奇异值分解之特征值（SVD）

MIT教授GilbertStrang曾经称SVD为线性代数的绝对制高点，其在单机上实现就是一个很困难的问题，更何况于分布式？
just-going·2014-05-12 12:18

强大的矩阵奇异值分解(SVD)及其应用

前言：    上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。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
zhubo22·2014-05-06 10:00

奇异值分解及几何意义

PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把这个问题讲解的如此清晰，实属不易。
redline2005·2014-04-19 11:00

监督型字典学习

另一种是通过机器学习来从样本中获取字典，这种字典表现为一种显性矩阵，explicitmatrix，而算法是用来适应矩阵的，比如PCA，GPCA，MOD，K-SVD等等，这种字典的好处在于比前一种灵活，表现也好
u010367506·2014-04-11 16:00

解析SVD

                                                                                                   editedbySmileLee
u013363719·2014-04-09 23:00

SVD的计算方法

问题模型：对下面的矩阵进行SVD运算：步骤1：步骤2：步骤3：构建对角矩阵S通过上面的图可以看出来A被分解了之后又被近似的还原过来。
terry__feng·2014-04-02 16:30

推荐系统之改进版SVD

之前的blog（http://blog.csdn.net/ice110956/article/details/21955461 ）简单阐述了基于SVD矩阵分解的隐因子模型。
ice110956·2014-03-26 15:00

Singular Value Decomposition（SVD）奇异值分解

Inthisarticle,wewillofferageometricexplanationofsingularvaluedecompositionsandlookatsomeoftheapplicationsofthem....在本文中,我们将给出一种奇异值分解的几何解释,并给出了一些有关奇异值分解的应用。IntroductionThetopicofthisarticle,the singula
maoersong·2014-03-25 17:00

Spark0.9.0机器学习包MLlib-Optimization代码阅读

--MLlib，实现了经典的机器学算法，源码分8个文件夹，classification文件夹下面包含NB、LR、SVM的实现，clustering文件夹下面包含K均值的实现，linalg文件夹下面包含SVD
kobeshow·2014-03-25 13:00

矩阵分解（3）SVD分解

 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系[email protected]前言：   上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印
sunboyiris·2014-03-18 10:00

SVD奇异值分解：主成分分析的矩阵论解释

SVD分解SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是因为SVD可以说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章。
whiteinblue·2014-03-18 09:00

【机器学习系列】SVD奇异值分解（python代码）

本文主要介绍如何使用该工具箱实现矩阵的SVD处理。
piaoxuefengqi·2014-03-17 23:00

概率矩阵分解模型 PMF

主要内容包括svd的两种形式和PMF的介绍。资源下载，猛击此处。
张雨石·2014-03-16 23:37

概率矩阵分解模型 PMF

主要内容包括svd的两种形式和PMF的介绍。资源下载，猛击此处。
xinzhangyanxiang·2014-03-16 23:00

奇异值分解和图像压缩

奇异值分解是一个非常，非常，非常大的话题，它的英文是SingularValueDecomposition，一般简称为SVD。
oppoa113·2014-03-10 22:06

奇异值分解和图像压缩

奇异值分解是一个非常，非常，非常大的话题，它的英文是SingularValueDecomposition，一般简称为SVD。
OPPOA113·2014-03-10 22:00

K-SVD简述——字典学习，稀疏编码

K-SVDRachelZhang 1.k-SVDintroduction1.     K-SVDusage:Design/Learnadictionaryadaptivelytobetterfitthemodelandachievesparsesignalrepresentations.2.     MainProblem:Y=DXWhere Y∈R(n*N),D∈R(n*K),X∈R(k*N),
tiandijun·2014-03-08 20:00
上一页 39 40 41 42 43 44 45 46 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他