mathbb

CNN 理解神经网络中卷积(大小，通道数，深度)

文章目录卷积池化特殊的卷积1*1卷积卷积卷积核又称为卷积过滤器卷积核的表示，使用三维张量G∈RK∗K∗CG\in\mathbb{R}^{K*K*C}G∈RK∗K∗C，下图卷积核大小是3x3x1(K=3,
MarkerTm·2022-08-05 20:28

「数据结构详解·一」树的初步

「数据结构详解·一」树的初步1.树的定义、构成和术语树(Tree)是最重要的数据结构之一，它是由n(n∈N)n(n\in\mathbb{N})n(n∈N)个节点（也会被写作“结点”）构成的一个集合。
JYqwq·2022-08-01 08:35

机器学习中的极大似然估计

极大似然估计（MLE）考虑一组含有mmm个样本的数据集X={x(1),...,x(m)}\mathbb{X}=\{x^{(1)},...,x^{(m)}\}X={x(1),...,x(m)},独立的由未知的真实数据生成分布
姜芽子·2022-07-26 10:53

DGL- Message Passing

MessagePassingParadigm这里，xv∈Rd1x_v\in\mathbb{R}^{d_1}xv∈Rd1是节点vvv的特征，we∈Rd2w_e\in\mathbb{R}^{d_2}we∈Rd2
穿着凉鞋走天下·2022-07-04 07:51

KL散度公式详解

relativeentropy）mutualinformationJensen’sinequalityf(∫xp(x)dx)⩽∫f(x)p(x)dxf(\int\mathrm{x}p(x)dx)\leqslant\int\mathbb
pinn山里娃·2022-06-17 07:35

社区发现算法——(Spectral Clustering)谱聚类算法

1.矩阵L满足以下性质：对于任一向量f∈Rnf\in\mathbb{R}^nf∈Rn,有f′Lf=12∑i,j=1nwij(fi−fj)2f'Lf=\frac{1}{2}\sum\limits_{i,j
东方小虾米·2022-04-27 16:48

坐标下降法

原理假设\(A\in\mathbb{R}^{N\timesK}\)，\(b\in\mathbb{R}^N\)，求\(x=[x_1,\cdots,x_K]^T\in\mathbb{R}^K\)，使得\[\
二十三点·2022-03-30 21:00

机器人动力学——拉格朗日法

(\theta)\ddot{\theta}+h(\theta,\dot{\theta})τ=M(θ)θ¨+h(θ,θ˙)式中，对于所有关节均为驱动关节的开式运动链，广义坐标θ∈Rn\theta\in\mathbb
范子琦·2022-03-16 07:12

强化学习之自然梯度法

个人认为自然梯度的思想非常类似于最速下降法，只不过一个是寻找最优的标量α∈R\alpha\in\mathbb{R}α∈R，而NG是在一定约束下寻找最优的搜索方向s∗=αds^*=\alphads∗=αd
Ton10·2022-03-12 07:56

Jensen 不等式

Jensen不等式讲解与证明文章目录1.凸集与凸函数1.1凸集1.2凸函数2.Jensen不等式2.1Jensen不等式2.2证明2.3扩展1.凸集与凸函数1.1凸集定义：设集合C⊂RnC\subset\mathbb
云端FFF·2022-02-07 07:55

Jensen不等式及其应用

1Jensen不等式Jensen不等式：已知函数ϕ:R→R\phi:\mathbb{R}\to\mathbb{R}ϕ:R→R为凸函数，则有ϕ[E(X)]≤E[ϕ(X)]\phi[\text{E}(X)]
分析101·2022-02-07 07:33

对抗子空间维度探讨

对抗子空间 给定干净样本x∈Rdx\in\mathbb{R}^dx∈Rd，以及其对应的标签yyy，带有参数θ\theta
鬼道2022·2022-02-04 15:23

Python深度学习线性代数示例详解

我们用R\mathbb{R}R表示所有（连续）实数标量的空间。标量由只有一个元素的张量表示。下面代码，我们实例化了两个标量，并使用它们执行一些熟悉的算数运算，即加法、乘法、除法和指数。
·2021-12-07 17:23

性能度量

错误率和精度是最常用的两种性能度量：错误率：分错样本占样本总数的比例精度：分对样本占样本总数的比率分类错误率（errorrate）$E(f;D)=\frac{1}{m}\sum\limits_{i=1}^{m}\mathbb
希望每天涨粉·2021-12-02 12:00

深度学习_线性代数

我们用R\mathbb{R}R表示所有（连续）实数标量的空间。标量由只有一个元素的张量表示。下面代码，我们实例化了两个标量，并使用它们执行一些熟悉的算数运算，即加法、乘法、除法和指数。
Supre_yuan·2021-10-01 23:20

latex 特殊符号

可以参考:https://blog.csdn.net/wangmeitingaa/article/details/88825621\mathbb{R},\mathbb{L}:\mathcal{L},\mathcal
潘旭·2021-09-05 11:31

统计学习：朴素贝叶斯模型(Numpy实现)

模型生成模型介绍我们定义样本空间为\(\mathcal{X}\subseteq\mathbb{R}^n\)，输出空间为\(\mathcal{Y}=\{c_1,c_2,...,c_K\}\)。
orion-orion·2021-08-17 20:00

多智能体强化学习（三）单智能体强化学习

S:\mathbb{S}:S:一组环境状态。
如果我变成回忆l·2021-05-28 14:07

【机器学习的数学基础】（五）解析几何(Analytic Geometry)（下）

AnalyticGeometry)（下）3.8正交投影3.8.1一维子空间（线）上的投影3.8.2一般子空间上的投影3.8.3Gram-Schmidt正交化3.8.4仿射子空间上的投影3.9旋转3.9.1R2\mathbb
二进制 人工智能·2021-03-30 12:30

Markdown小技巧

ABCDEFGHIJKLMNOPQRSTUVWXYZ\mathtt{ABCDEFGHIJKLMNOPQRSTUVWXYZ}ABCDEFGHIJKLMNOPQRSTUVWXYZBlackboardBold$\mathbb
cheniie·2021-02-15 01:40

Sobolev空间

目录1.前言2.经典Sobolev空间1.前言我们在测度的基础上建立了积分学乃至于分布理论（DistributionTheory），显然，在Rn\mathbb{R}^nRn中，我们有如下关系经典意义下的可微函数
ChristopherXin·2021-01-02 18:56

[机器学习]分类算法评估指标

分类算法评估指标精度（Accuracy）即正确预测的正反例数/预测总数对于样例集D,分类错误率定义为$$E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\mathbb{I}\left(f
NULL·2020-11-18 00:50

[机器学习]分类算法评估指标

分类算法评估指标精度（Accuracy）即正确预测的正反例数/预测总数对于样例集D,分类错误率定义为$$E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\mathbb{I}\left(f
NULL·2020-11-13 11:19

Halo中的elliptic curve cycle

若使用任意的ellipticcurveEEEoverbasefieldFp\mathbb{F}_pFp，则考虑安全因素，得要求group的primeorderq≠p
mutourend·2020-09-16 19:07

latex 公式里空格

Spacinginmathsmodeisusefulinseveralsituations,let'sseeanexample:Assumewehavethenextsets\[S=\{z\in\mathbb
juliosun·2020-09-16 05:23

机器学习——高斯过程

高斯过程所谓高斯，即高斯分布所谓过程，即随机过程高斯分布一维高斯p(x)=N(μ,σ2)p(x)=N(\mu,\sigma^2)p(x)=N(μ,σ2)高维高斯多元高斯分布——高斯网络x∈Rpx\in\mathbb
mh_mpc·2020-09-16 01:13

LaTex数学符号，公式解析与伪代码书写

https://blog.csdn.net/lanchunhui/article/details/54633576以下需要使用宏包：\usepackage{amsmath,amssymb,amsfonts}mathbb
winycg·2020-09-16 00:25

对数线性模型、最大熵马尔科夫模型和条件随机场(翻译) 一

1.符号整篇文章里，使用下划线表示向量，例如ω‾∈Rd\underline\omega\in\mathbb{R}^dω∈Rd是由ω1,ω2,…ωd\omega_1,\omega_2,\dots\omega_dω1
lldustc·2020-09-15 08:13

[深度之眼机器学习训练营第四期]K-means聚类

在无监督学习中，训练集只包含{x(1),x(2),⋯ ,x(n);x(i)∈Rd}\{x^{(1)},x^{(2)},\cdots,x^{(n)};x^{(i)}\in\mathbb{R^d}\}{x(
nudt_oys·2020-09-14 22:19

Latex(数学）

目录字体罗马字体\mathrm{}斜体\mathit{}粗体\mathbf{}无衬线-f\mathsf{}打字机字体\mathtt{}书法字体\mathcal{}黑板粗体\mathbb{}\usepackage
weixin_33747129·2020-09-14 16:09

正交群O(n,R)是紧集的证明

1一般线性群GL(n,R)GL(n,\mathbb{R})GL(n,R)上拓扑的构造1.1矩阵范数与度量空间我们普遍熟悉度量空间Rn\mathbb{R}^nRn的代数结构和拓扑结构.Rn\mathbb{
数学系的计算机爱好者·2020-09-13 13:26

求域上多项式的逆元

问题描述设域F=Zp[x]f(x)\mathbb{F}=\mathbb{Z}_p[x]_{f(x)}F=Zp[x]f(x)，其中f(x)f(x)f(x)为Zp\mathbb{Z}_pZp上的不可约多项式
Dagger-axe-x·2020-09-13 12:03

机器学习笔记(一) 感知机

是机器学习中一种经典的线性分类模型,是一种最简单的前馈神经网络.它的基本思想是在n维空间中利用超平面对(线性可分的)两类数据进行分割.下面我们先看感知机的数学定义:数学定义与几何意义  设X∈Rn\mathcal{X}\in\mathbb
=GYJ=·2020-09-12 02:44

Wilson定理证明

\equiv-1\pmod{p}\),\(p\)是一个素数.LemmaA\(\mathbb{Z}_p\)可以去掉一个零元变成一个群.即\(\foralla\in\mathbb{Z}_{p},a\not=
weixin_30852367·2020-09-11 04:20

图像形成（完） 点和线的图像，原像和余像及系列博文总结

然而，正如我们从球面投影中看到的那样，即使对于一个点，对于其图像也存在看似不同的表示：两个向量x∈R3x\in\mathbb{R}^3x∈R3和y∈R3y\in\mathbb{R}^3
YuYunTan·2020-09-10 10:09

机器学习笔记之——降维（一）MDS

MDS（MultipleDimensionalScaling）关键思想：降维前后两点距离不变假设m个d维样本在原始空间的距离矩阵为D∈Rm×mD\in\mathbb{R}^{m\timesm}D∈Rm×
caitzh·2020-08-25 09:35

近端策略优化算法(PPO)

其常用的梯度估计形式为：E^t[∇θlogπθ(at∣st)A^t]\hat{\mathbb{E}}_t[\nabla_\thetalog\pi_\theta(a_t|s_t)\hat{A}_t]E^t
从流域到海域·2020-08-25 00:28

开栏卷首——目标跟踪

先试试segmentfault好不好用哈哈哈哈后期慢慢改我来试试公式看看md的渲染咋样高斯乘积定理:$\quad$给定$\mathbf{x}_{1},\mathbf{\mu}_{1}\in\mathbb
清水币·2020-08-24 16:44

Loj 538 递推数列

Loj538递推数列出题人:这题提高难度吧.于是放在了%你赛的\(D1T2\).递推式为\(a_i=k*a_{i-1}+a_{i-2}\),注意到\(k\in\mathbb{N_+}\),容易发现一个比较显然的性质
weixin_30788619·2020-08-24 06:20

二、张量 CP 分解

张量CP分解1.张量的几个概念张量的内积相同大小的两个张量X,Y∈RI1×I2×⋯×IN\mathcal{X},\mathcal{Y}\in\mathbb{R}^{I_1\timesI_2\times\
上官永石·2020-08-24 01:47

ADMM算法（交替方向乘子法）

ADMM算法ADMM认为，在统计学与机器学习中，经常会遇到大尺度的等式约束优化问题，即x∈Rnx\in\mathbb{R}^nx∈Rn的维数nnn很大。
魏之燕·2020-08-24 01:16

一文让你通俗易懂的理解正交变换和正交矩阵

“变换”本质上就是函数，不过我们狭义认为的函数接收和输出都是一个数，这个数位于实数空间中，x∈Rx\in\mathbb{R}x∈R。
胤风·2020-08-23 23:17

机器学习中评价方法

正式使用的误差≈\approx≈测试误差过拟合：经验误差小，泛化误差大欠拟合：经验误差大错误率和精度精度：acc=1m∑i=1mI(f(xi)=yi))acc=\frac1m\sum_{i=1}^m\mathbb
Matrix-yang·2020-08-23 22:17

协方差详解

对于离散型随机变量，通过求和得到：Ex∼P[f(x)]=∑xP(x)f(x)\mathbb{E}_{x\simP}[f(x)]=\sum_xP(x)f(x)Ex∼P[f(x
从流域到海域·2020-08-23 05:38

[ICLR2017] Bi-Directional Attention Flow for Machine Comprehension

本文只给出了Context2Query和Query2Context部分的理解两部分只是对相似性矩阵S\bold{S}S∈\in∈RT∗J\mathbb{R}^{T*J}RT∗J进行进一步处理,我觉得有书写错误
小妖精Fsky·2020-08-22 03:37

Toeplitz定理推广和应用

Toeplitz定理推广和应用Toeplitz定理设n,k∈Nn,k\in\mathbb{N}n,k∈N，tnk≥0t_{nk}\ge0tnk≥0且∑k=1ntnk=1\sum_{k=1}^{n}t_{
winterain·2020-08-20 02:48

指数多项式的Galois群计算

$,那么$f_n$的Galois群是$\mathfrak{S}_n$如果$4\nmidn$,是$\mathfrak{A}_n$如果$4|n$.所谓多项式的Galois群是指其在$\mathbb{Q}$上的分裂域对应的
weixin_38166689·2020-08-18 23:58

1.3 向量方程（线性代数及其应用-第5版-系列笔记）

内容概述本节首先以R2\mathbb{R}^2R2和R3\mathbb{R}^3R3空间为例，引入了向量的概念、向量的几何表示，并介绍了向量的一些基本运算和性质，例如向量的加法和标量乘法、交换律、结合律等
schnauzers·2020-08-17 17:05

线性方程组的解个数与秩的关系

A∈Rm×n\mathbf{A}\in\mathbb{R}^{m\timesn}A∈Rm×n。
做技术不可耻·2020-08-17 14:30

三角测量（Triangulation 三角化）与 SVD 求解

其中，y∈R4y\in\mathbb{R}^{4}y∈R4取齐次坐标，即y=[x,y,z,1]Ty=[x,y,z,1]^{T}y=[x,y,z,1]T。
村口电器铺老世·2020-08-17 13:21
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他