1. 一些概念
独立同分布:随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布
2.深度学习
复杂度更高的算法,主要适合于神经网络
3.数学在机器学习上的应用
主要是概率统计;代数是基础工具,如矩阵理论和特征值理论,微分方程求解归结为代数问题
微分几何应用在流形学习,微分方程应用在归纳学习
高深数学推动新的机器学习模式,例子:彭实戈院士,倒排随机微分方程理论,预测金融走势
4.机器学习发展及趋势
1. 一些概念
独立同分布:随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布
2.深度学习
复杂度更高的算法,主要适合于神经网络
3.数学在机器学习上的应用
主要是概率统计;代数是基础工具,如矩阵理论和特征值理论,微分方程求解归结为代数问题
微分几何应用在流形学习,微分方程应用在归纳学习
高深数学推动新的机器学习模式,例子:彭实戈院士,倒排随机微分方程理论,预测金融走势
4.机器学习发展及趋势