深度学习【数学基础】

最新推荐文章于 2024-08-29 13:55:36 发布
最新推荐文章于 2024-08-29 13:55:36 发布
阅读量79 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/A_liwenqian/article/details/134364826
版权

卷积神经网络
人脸识别，自动驾驶， 计算机视觉支柱

cnn的变体
在这里插入图片描述

注意力机制
在这里插入图片描述

深度生成模型

在这里插入图片描述

深度学习主要研究领域
在这里插入图片描述
计算机视觉
14章
在这里插入图片描述

在这里插入图片描述
语音技术
ASR
Text to spech

自然语言处理

  • 机器翻译
  • 自动问答
  • 文本生成
  • 知识图谱
    -在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

课程使用的技术栈

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

数学预备知识 ： 线性代数

线性代数： 数据是什么样

微积分： 数据怎样计算

概率： 深度学习中的不确定性和随机性如何量化

标量

在这里插入图片描述

向量

在这里插入图片描述

模长和范数

在这里插入图片描述

单位向量

向量的内积（乘法）

在这里插入图片描述
正交， 内积= 0 ，

向量的外积

在这里插入图片描述

矩阵

在这里插入图片描述

矩阵转置

在这里插入图片描述

矩阵乘法

在这里插入图片描述

在这里插入图片描述

矩阵乘法性质

在这里插入图片描述

张量 （Tensor）

在这里插入图片描述

小结

神经网络张量计算
在这里插入图片描述
标量向量都是张量的一种

数学预备知识 ： 微积分

微积分

在这里插入图片描述

极限

在这里插入图片描述

导数

极值点： 导数为0的点

在这里插入图片描述

导数和极限

在这里插入图片描述

求导公示

在这里插入图片描述

微分

在这里插入图片描述

偏导数

在这里插入图片描述

梯度

在这里插入图片描述

链式法则

在这里插入图片描述

在这里插入图片描述

小结

在这里插入图片描述

数学预备知识 ： 微积分

量化不确定性

概率

在这里插入图片描述

概率和深度学习

在这里插入图片描述

概率的研究

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

概率和统计

在这里插入图片描述

事件

在这里插入图片描述

随机变量和概率分布

在这里插入图片描述

概率密度

概率 面积
在这里插入图片描述

联合概率和条件概率

在这里插入图片描述

贝叶斯定理

在这里插入图片描述

极大似然估计

在这里插入图片描述

在这里插入图片描述

小结

在这里插入图片描述

遨游天地间
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 24万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
深度学习入门理解——零基础数学篇（一）
GWENGJING的博客
08-15 1363
深度学习入门理解——零基础数学篇（一），本文是在学习工程中写下的，也参考了很多博客，近期会随时更新-8.15版
深度学习的数学基础
恍恍惚惚的大穷猫的博客
07-26 4005
深度学习之PyTorch实战计算机视觉的数学基础。
深度学习数学基础：概率论基础
weixin_43775295的博客
05-07 663
深度学习数学基础之概率论
深度学习中的数学基础总结
AI浩
08-03 2518
文章目录第一章 数学基础1.1 向量和矩阵1.1.1 标量、向量、矩阵、张量之间的联系1.1.2 张量与矩阵的区别1.1.3 矩阵和向量相乘结果1.1.4 向量和矩阵的范数归纳1.1.5 如何判断一个矩阵为正定1.2 导数和偏导数1.2.1 导数偏导计算1.2.2 导数和偏导数有什么区别？1.3 特征值和特征向量1.3.1 特征值分解与特征向量1.3.2 奇异值与特征值有什么关系1.4 概率分布与随机变量1.4.1 机器学习为什么要使用概率1.4.2 变量与随机变量有什么区别1.4.3 随机变量与概率分布的
深度学习数学基础
daisyxyr的博客
07-10 1094
线性代数张量：一般的，一个数组中的元素分布在若干维坐标的规则网格中，我们称之为张量。矩阵与向量相加：在深度学习中，我们允许矩阵和向量相加，产生另一个矩阵：C=A+b，其中Ci,j=Ai,j+bj。换言之，向量b和矩阵A的每一行相加。（这里隐式地复制向量b到很多位置的方式，称为广播）元素对应乘积（Hadamard乘积）：两个矩阵中对应元素的乘积。矩阵乘积满足结合律，但是不满足交换律。标量可以看作只有一个元素的矩阵，标量的转置等于它本身。生成子空间：一组向量的生成子空间，是原始向量线性组合后所能抵达的点的集合。
深度学习资料合集（包含深度学习数学基础知识、神经网络基础部件详解、深度学习炼丹策略、模型压缩算法详解）.zip
02-19
深度学习资料合集（包含深度学习数学基础知识、神经网络基础部件详解、深度学习炼丹策略、模型压缩算法详解，以及如何实现深度学习推理框架实战）.zip 深度学习资料合集（包含深度学习数学基础知识、神经网络基础...
第一课 夯实深度学习数学基础.pdf
08-19
深度学习的数学基础是构建机器学习模型不可或缺的部分，特别是对于理解和实现复杂的神经网络至关重要。本课程旨在为初学者提供一个简单易懂的入口，无需深厚的数学背景也能掌握这些概念。 首先，课程涵盖微积分的...
人工智能+深度学习+深度学习数学基础+整理完整版
05-16
【附加价值】：这些项目资源不仅具有很高的学习价值，而且能够直接应用于实际项目中，提高开发效率。对于有志于深入研究或拓展新领域的人来说，它们提供了丰富的灵感和基础框架，帮助你快速构建出令人惊艳的作品。
深度学习系统笔记，包含深度学习数学基础知识、神经网络基础部件详解、深度学习炼丹策略、模型压缩算法详解等.zip
12-18
首先，深度学习数学基础知识是理解整个领域的基石。这部分内容可能包括线性代数、概率论与统计、微积分和优化理论。线性代数提供了向量、矩阵和张量的基础，这些是神经网络中的基本数据结构。概率论和统计则是理解和...
深度学习系列71：表格检测和识别
kittyzc的博客
08-26 389
原图为：https://www.95598.cn/omg-static/99107281818076039603801539578309.jpg。
深度学习基础--深度学习网络
最新发布
wang6562009的专栏
08-29 885
本章首先探讨了组合两个浅层网络时所发生的情况。我们认为，第一个网络对输入空间进行了“折叠”，随后第二个网络应用了一个分段线性函数。在输入空间被折叠到其自身时，第二个网络的效果得到了复制。接着，我们证明了这种浅层网络组合实际上是具有两个隐藏层的深层网络的一种特例。我们解释了每一层中的 ReLU 函数如何在多个位置剪切输入函数，并在输出函数中创建更多的“关节”。我们引入了超参数的概念，对于我们目前讨论的网络而言，它包括了隐藏层的数量和每层中隐藏单元的数量。最后，我们对浅层和深层网络进行了比较。
深度学习--自监督学习
GDHBFTGGG的博客
08-25 883
自监督学习是一种无需大量人工标注的数据驱动方法，在生成模型中应用广泛。自监督学习通过利用数据中的固有结构或属性创建“伪标签”，使模型在没有人工标签的情况下进行学习。这种方法既提高了模型的训练效率，又降低了对标注数据的依赖。
基于深度学习的单目标跟踪系统
2301_78240361的博客
08-26 1098
基于深度学习的单目标跟踪，效果吊打传统算法，3060显卡上达到实时，代码python和c++都有
【深度学习】爱因斯坦求和约定
AI小白的学习记录，欢迎交流~
08-23 987
1. 介绍 爱因斯坦求和约定（Einstein summation convention）是爱因斯坦提出的一种简化数学表达的记号方法，尤其在张量运算中非常常见。这种约定可以让复杂的线性代数运算变得更加简洁明了。 1.1 基本概念 在传统的数学表达式中，当我们进行张量运算（例如矩阵乘法、内积等）时，通常会明确地写出求和符号（ ∑ ∑）。而在爱因斯坦求和约定中，省略了显式的求和符号，约定对于那些在表达式中重复出现的下标，会自动进行求和。 爱因斯坦求和约定的核心是：当一个表达式中同一个指标（下标或上标）在同一
李沐--动手学深度学习GoogLeNet
深度学习 初学者
08-21 229
【代码】李沐--动手学深度学习GoogLeNet。
基于深度学习的手势识别系统
2301_78240361的博客
08-26 645
基于深度学习网络的手势识别系统 完整源码+数据集+报告+PPT全套信息 【python设计开发】基于深度学习的手势图像识别处理系统 【包括】代码 PPT 报告 2 需求分析 2.1要求 （1）用Python语言实现程序设计； （2）初识深度学习和图像处理技术; （3）了解深度神经网络（Deep Neural Networks，简称DNN）相关知识; （4）【难点】了解LeNet-5 卷积神经网络模型，并进行模型训练; （5）【难点】调参数、优化，提高测试集准确率； （6）实现手势识别的功能，程序要有注释
基于深度学习的高效模型压缩
weixin_42605076的博客
08-27 863
基于深度学习的高效模型压缩技术在确保模型性能的同时，显著减少了模型的存储需求和计算复杂度，从而使得深度学习模型能够更好地适应资源受限的环境（如移动设备、嵌入式系统）并加快推理速度。
爆改YOLOv8 |利用 iAFF迭代注意力改进C2f,高效涨点
weixin_43986124的博客
08-24 700
yolo，yolov8 ，iAFF注意力，C2f改进
深度学习数学基础：概率分布与随机变量解析
这篇内容主要涉及的是概率论与数理统计中的基本概念，特别是与随机变量相关的知识，这对于...这部分知识是深度学习和机器学习的基础，理解并掌握这些概率论和数理统计的原理，有助于深入探究和应用复杂的深度学习模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值