theta

《神经网络与深度学习》 邱希鹏 学习笔记（一）

模型定义:通过学习算法在训练集上进行优化参数θ\thetaθ，能够获得在测试
空心菜使者·2023-01-16 06:27

光学仿真（python菲涅尔公式）

np.pinp.cos(此处输入的是弧度制)np.sqrt()np.sin()平方是**"""importnumpyasnp"""def函数名字(输入参数)return"""#公式deffresnel(theta
小米米小life·2023-01-15 15:30

李宏毅ML-批次与动量

在使用gradientdescent进行optimization时，在每一次epoch前，要shuffle所有的资料，然后再分成一个个batch，每次更新参数是用θ\thetaθ对当前batch的Loss
lele_ne·2023-01-14 15:19

4、多个特征变量的线性回归

个训练样本的特征值（包括每个特征），相当于一个向量xj(i)x^{(i)}_jxj(i)是第i个训练样本中的第j个特征量的值多元线性回归：hθ(x)=θ0∗x0+θ1∗x1+θ2∗x2+…+θn∗xn(x0=1)h\theta
脑袋空空的Coduck君·2023-01-14 03:54

规范场论初步

变换群是阿贝尔群的情况在标量场的规范变换ϕ(θ)=e−iqθϕ0,ϕˉ(θ)=eiqθϕˉ0\phi(\theta)=\mathrme^{-iq\theta}\phi_0,~\bar\phi(\theta
qtxzh·2023-01-13 21:43

Fisher信息量与Fisher观测信息量

Fisher信息量Fisher信息量的定义在之前的博客中详细介绍了，定义是：I(θ)=−Eθ[∂2f(x;θ)∂θ2]=−∫x∂2f(x;θ)∂θ2f(x;θ)dxI(\theta)=-E_{\theta
Remote Sensing·2023-01-13 21:43

期权知识普及

而买方作为权力方，基准来说他们都是属于要付出部分权利金的，这一点会在Theta的支出上体现出来。②卖方即买方的对手盘，他们的特性是义务方，获取Theta方面的收入，并在其他的地方承担风险。
qiquan2021·2023-01-13 17:02

多元线性回归（高斯分布---＞最小二乘法）

、最大似然估计2.4、高斯分布-概率密度函数2.5、误差总似然2.6、最小二乘法MSE2.7、归纳总结升华3、正规方程3.1、最小二乘法矩阵表示3.2、矩阵转置公式与求导公式：3.3、推导正规方程θ\thetaθ
代码简史·2023-01-13 16:11

自学Python问题记录3：only size-1 arrays can be converted to Python scalars

报错情况onlysize-1arrayscanbeconvertedtoPythonscalars/仅一维数据可以转换为Python标量原因及解决方法ax.bar(theta,df,width=width
不听话就把你关到小黑屋·2023-01-13 15:22

NLP中的对抗训练

所添加的扰动是微小的添加的噪声可以使得模型预测错误1.2对抗训练的基本概念就是在原始输入样本x上加上一个扰动Δx得到对抗样本，再用其进行训练，这个问题可以抽象成这样一个模型：maxθP(y∣x+Δx;θ)max_{\theta
sunghosts·2023-01-13 08:45

Fisher信息与Fisher信息矩阵

定义：等同于KL散度的负二阶导数假设观察到i.i.d的数据X1,X2,…XnX_{1},X_{2},\ldotsX_{n}X1,X2,…Xn服从一个概率分布f(X;θ),θf(X;\theta),\thet
不讲魔法讲道理·2023-01-13 08:41

广义线性模型与Logistic回归

一、广义线性模型广义线性模型应满足三个假设：第一个假设为给定X和参数theta,Y的分布服从某一指数函数族的分布。
老子今晚不加班·2023-01-13 08:36

【机器学习】线性回归（实战）

准备工作（设置jupyternotebook中的字体大小样式等）二、构建实验所需的数据（以下实验将基于此数据）三、实现线性回归的两种方式方法一：通过直接求解得到拟合方程参数：θ=(XTX)−1XTy\theta
酱懵静·2023-01-13 06:47

《白话机器学习的数学》线性不可分分类的实现代码理解

-(theta[0]+theta[1]*x1+theta[3]*x1**2)/theta[2]理解代码的时候有点好奇为什么每个直线或者曲线的分母都是theta[2]。故将公式对比起来分析分析。
Atl212·2023-01-12 19:33

两轮差分底盘运动学模型

1.概述差分底盘系统是一种欠驱动系统，它存在三个自由度（X、Y、θ）（X、Y、\theta）（X、Y、θ）但仅存在两个输入（vr、vl）（v_r、v_l）（vr、vl），这使得其运动是耦合的，不能单独分解分析
呼叫江江·2023-01-12 13:03

三、 似然函数

似然函数是给定联合样本值xxx下关于（未知）参数θ\thetaθ的函数：L(θ∣x)=f(x∣θ)L(
cute_Lily·2023-01-11 15:21

逻辑斯蒂回归公式

函数范围（0-1）例1：hθ(x)=g(θ0+θ1x1+θ2x2)h_\theta(x)=
藕片薯片·2023-01-11 11:17

cir模型matlab代码,怎么用 CIR模型 进行利率定价

在CIR利率定价模型中，哪位知道以下程序中的各个参数分别是什么意思(theta,kappa,sigma,lambda,dt,ratestart,months,tau)？
Eunique One·2023-01-10 16:07

深度学习与Pytorch入门实战（五）分类器

笔记摘抄1.分类问题1.1二分类\(f:x\rightarrowp(y=1|x)\)\(p(y=1|x)\)：解释成给定x，求y=1的概率，如果概率>0.5，预测为1；否则，预测为0\(p_{\theta
Douzi1024·2023-01-10 15:43

【python机器学习】感知器算法（基于鸢尾花数据集实现）

写在前面感知器是一种人工神经网络，其模拟生物上的神经元结构感知器是一个二分类器，净输入为：z=W.T*X=w0+w1x1+w2x2+w3x3+…+wnxn然后通过激活函数将z映射[-1,1](与阈值theta
如是我闻__一时__·2023-01-09 14:25

深度学习 机器学习 公式中常用的符号

θthetaλlambdaσ,ΣsigmaδdeltaεepsilonβbetaαaerfaγgamaΠpaiΦphi
黑山白雪m·2023-01-09 08:48

策略梯度方法介绍——Value-Based强化学习方法 VS Policy-Based强化学习方法

的强化学习方法Value-Based强化学习方法介绍Value-Based强化学习方法的缺陷基于策略(Policy-Based)的强化学习方法适用场景求解过程关于梯度∇J(θ)\nabla\mathcalJ(\theta
静静的喝酒·2023-01-09 07:35

强化学习策略梯度定理证明

强化学习策略梯度定理证明前言策略梯度定理预备公式证明J(θ)J(\theta)J(θ)定理形式推导定理证明前言好久没有更新了，最近看了PolicyGradient的原文，里边的证明看不懂，于是又找了StanfordUniversity
Peaceful-Boy·2023-01-09 07:33

【RL】策略梯度（VPG）与Actor-critic的思想与推导

以Q-Learning、DQN为代表，这个系列的算法学习最优动作值函数Q∗(s,a)Q^*(s,a)Q∗(s,a)的近似函数Qθ(s,a)Q_\theta(s,a)Qθ(s,a)。
爱吃猫的小鱼干·2023-01-09 07:00

策略梯度方法介绍——策略梯度定理推导过程

策略梯度定理推导过程目录回顾：目标函数与状态分布策略梯度定理策略梯度定理求解过程目录上一节介绍了Policy-Based强化学习方法的优势，并介绍了影响目标函数梯度∇J(θ)\nabla\mathcalJ(\theta
静静的喝酒·2023-01-09 07:59

【开源代码 | MATLAB线性阵列仿真】

阵元均匀线阵方向图%8阵元均匀线阵方向图，来波方向为0度clc;clearall;closeall;element_num=16;%阵元数为16d_lamda=1/2;%阵元间距d与波长lamda的关系theta
调皮连续波（rsp_tiaopige）·2023-01-08 18:48

6. 类神经网络训练不起来怎么办（三）Learning rate的影响

不再下降不一定是卡在Criticalpoint不同的参数需要不同的Learningrate平稳需要大一点的Learningrate陡峭需要小一点的Learningrateθit+1←θit−ηgit\theta
Shannnon_sun·2023-01-08 12:45

逻辑回归python实现

函数预测函数代价函数损失函数最速下降代码实现(python)数据集Sigmod函数g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1预测函数hθ(x)=g(θTx)h_{\theta
2pi·2023-01-08 11:27

机器学习/深度学习常用优化方法总结

经典的SGD使用全局训练数据的平均损失来近似目标函数：L(θ)=1M∑i=1ML(f(xi,θ),yi)L(\theta)=\frac{1}{M}\sum_{i=1}^{M}L(f(x_i,\theta
Weiyaner·2023-01-08 10:54

强化学习笔记_7_策略学习中的Baseline

1.PolicyGradientwithBaseline1.1PolicyGradientpolicynetworkπ(a∣s;θ)\pi(a|s;\theta)π(a∣s;θ)State-valuefunction
k_kun·2023-01-07 19:22

图片方向矫正

1基于Radon变换1.1radon原理二维Radon变换定义：将（x,y）平面空间中的一条直线p=xcos⁡θ+ysin⁡θp=x\cos\theta+y\sin\thetap=xcosθ+ysinθ
mentalps·2023-01-07 10:53

halcon中面到面的距离_点到平面的距离计算

)，并且平面的法向量为\(\overrightarrow{n}=(W_1,W_2,\cdots,W_n)\)，那么有\(Q\)到\(S\)的距离为\[\begin{split}d&=|PQ|\cos\theta
weixin_39600447·2023-01-07 09:39

机器学习系列手记（七）：优化算法之随机梯度下降法

优化算法随机梯度下降法在机器学习中，优化问题的目标函数通常可以表示成其中θ\thetaθ是待优化的模型参数，xxx是模型输入，f(x,θ)f(x,\theta)f(x,θ)是模型的实际输出，yyy是模型的目标输出
岳小刀·2023-01-07 08:13

回归模型（一元线性回归、多项式回归、多重回归、最小二乘法、梯度下降法、随机梯度下降法、小批量梯度下降法）

回归模型意义：用于预测趋势或对指标进行评价1.一元线性回归fθ(x)=θ0+θ1x\begin{aligned}\f_{\theta}(x)=\theta_{0}+\theta_{1}x\end{aligned
奋进的小hang·2023-01-07 08:12

Wasserstein GAN

这通常是通过定义一个参数密度族(Pθ)θ∈Rd(P_\theta)_{\theta\in\ma
wanttifa·2023-01-06 17:43

正态分布下的最大似然估计

单变量正态分布的形式为：ρ(x∣θ)=12πσe−12(x−μσ)2(1)\rho(x|\theta)=\frac{1}{\sqrt{2\pi\sigma}}e^{-\frac{1}{2}(\frac{
DeeGLMath·2023-01-06 12:47

神经常微分方程（NODE）介绍

NODENeuralOrdinarydifferentialequation是对ResNet或者RNN模块的一种连续化结果，二者每个block的计算公式如下：ht+1=ht+f(ht,θt,t)h_{t+1}=h_t+f(h_t,\theta_t
夜半罟霖·2023-01-06 11:44

阅读笔记Neural Ordinary Differential Equations

在残差网络中有下面的形式：ht+1=ht+f(ht,θt)(1)\mathbfh_{t+1}=\mathbfh_{t}+f(\mathbfh_{t},\theta_t)\tag{1}ht+1=ht+f(
冰冰冰泠泠泠·2023-01-06 11:13

EM算法的仿真（三硬币+混合高斯）python 程序

(2)建立参数估计模型假定未知的模型参数θ=(π,p,q)\boldsymbol{\theta}=(\pi,p,q)θ=(π,p,q)，每次抛掷
IT说·2023-01-06 09:56

EM算法实现双硬币模型（python实现）

importnumpyasnpimportmathmp=math.powclassEM:def__init__(self,theta):self.theta_ap,self.th
Computer Hobbyist·2023-01-06 09:52

第四节 类神经网络训练不起来怎么办

将LossFunciton在θ′\bm{\theta'}θ′二阶展开:L(θ)=L(θ′)+(θ−θ′)Tg+12(θ−θ′)TH(θ−θ′)L(\bm{\theta
派大星星星星EE·2023-01-06 08:45

4. 类神经网络训练不出来怎么办（一）Local minima 、Saddle point

给定L(θ),θ=θ′L(\theta),\theta=\theta^{'}L(θ),θ=θ′在θ′\theta^{'}θ′附近：L(θ)≈L(θ′)+(θ−θ′)Tg+12(θ−θ′)TH(θ−θ′)
Shannnon_sun·2023-01-06 08:07

机器学习系列之最大后验估计（MAP）

我们记硬币朝上的概率为θ\thetaθ。如果按照极大似然估计的方法来求解，似然函数为：L(θ)=C1010θ10(
筱踏云·2023-01-05 19:09

机器学习线性回归案例讲解_机器学习实战_线性回归&逻辑回归（一）

一些基础概念就随意带过了啦~~线性回归预测模型：$\theta_0$是偏置项bias$$\hat{y}=\theta_{0}+\theta_{1}x_{1}+\theta_{2}x_{2}+\dots+
weixin_39603799·2023-01-05 17:33

弱分类器的最优阈值(Theta)和不等式方向(P)

求解某一haar特征值所对应弱分类器的最优阈值(Theta)、不等式方向(P)和最小权重误差(E)function[ThetaPE]=AdaBoost_Theta_P(F,y,w,r,m)%求解某一
辛传贤·2023-01-05 16:56

关于Adaboos选择最优弱分类器过程的理解

特征的设计在此不做解释，随着研究的深入，很多学者丰富和改善了以前的那些特征，最原始的矩形特征为例：所谓的弱分类器其实是由特征f、阈值theta和一个决定不等号方向的p所决定的在此先不考虑p，简单谈谈我理解中的选择最优弱分类器的过程
lyzmyy·2023-01-05 16:50

极大似然估计和交叉熵

前言对于一个多分类问题(假设为KKK类),有数据集D={(xi,yi)∣i}D=\{\(x_i,y_i\)\midi\}D={(xi,yi)∣i}.我们希望建立模型去建模概率分布pθ(y∣x)p_{\theta
言山兮尺川·2023-01-05 14:28

人工智能CV方向1 -- 逻辑回归

是否佩戴老花镜与年龄的关系==理论====实例==损失函数逻辑回归背景二元分类问题：是否佩戴老花镜与年龄的关系1.分析（1）是否佩戴老花镜y（0或1）与年龄x的关系：（2）设想：y与x的关系用y=θ\thetaθ0
Acegem·2023-01-05 11:26

基于MATLAB的图片加密

不想写了，自己看I=im2double(imread('C:\原始图像.jpg'));%读取原始图像subplot('1,3,1');imshow(I);LEN=300;%偏移位置THETA=28;%逆时针偏移角度
大嘴巴子Pro·2023-01-04 21:05

局部加权线性回归(Locally weighted linear regression)

最左边的图用y=θ0+θ1xy=\theta_0+\theta_1xy=θ0+θ1x去拟合数据。但我们看到大部分训练样本并不在这条直线上，拟合的效果不好。
y小川·2023-01-04 18:01
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他