![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能与矩阵
文章平均质量分 80
深入矩阵,用不同的视角看待人工智能
chao_666666
这个作者很懒,什么都没留下…
展开
-
一文弄懂线性代数与矩阵论的本质区别
比如说,如果把一件物体放在三维空间里,线性代数可以用一个向量表示这件物体的位置;这就是线性代数和矩阵论所研究的本质内容。线性代数的本质是研究空间中的直线和平面这样的简单几何对象。我们生活在一个三维的空间世界里,但线性代数研究的往往是更高维的空间。线性代数使用向量来描述空间中的点和方向,使用线性变换描述空间中对象的变换规律。矩阵就是将这些抽象的向量和变换用数字表示出来的方式。每个矩阵代表了一种特定的线性变换,矩阵的运算对应了用这种变换作用在向量上所得到的结果。原创 2024-05-02 12:14:02 · 869 阅读 · 0 评论 -
人工智能矩阵之对称阵
Hermitian矩阵是复数方阵,它等于其自身的共轭转置。形式上,如果 \(\mathbf{A} = \mathbf{A}^\dagger\)(其中 \(\mathbf{A}^\dagger\) 表示 \(\mathbf{A}\) 的共轭转置),那么 \(\mathbf{A}\) 是Hermitian的。正定矩阵是一类特殊的对称矩阵。对于所有非零向量 \(\mathbf{x}\),都有 \(\mathbf{x}^T\mathbf{A}\mathbf{x} > 0\)。这意味着所有特征值都是正的。原创 2024-04-04 22:19:06 · 635 阅读 · 1 评论 -
人工智能之特殊矩阵(2)
Fourier矩阵,或离散傅立叶变换矩阵(DFT矩阵),是一种用于在离散傅立叶变换中的基础矩阵。给定一个大小为 \(n\) 的Fourier矩阵 \(\mathbf{F}_n\),其元素定义如下:其中,\(\omega = e^{-2\pi i / n}\) 是 \(n\) 的一个单位根,\(i\) 是虚数单位。原创 2024-04-03 14:00:50 · 619 阅读 · 1 评论 -
人工智能之特殊矩阵(1)
Hermitian矩阵,或称自共轭矩阵,是一种特殊的复方阵,满足其自身等于其共轭转置,即对于任意Hermitian矩阵 \(\mathbf{A}\),都有:这里,\(\mathbf{A}^\dagger\) 表示 \(\mathbf{A}\) 的共轭转置——即将 \(\mathbf{A}\) 转置后再取每个元素的复共轭。对于矩阵 \(\mathbf{A} = [a_{ij}]\) 中的每个元素 \(a_{ij}\),如果 \(\mathbf{A}\) 是Hermitian的,则有:原创 2024-04-02 09:20:32 · 680 阅读 · 1 评论 -
人工智能之向量与矩阵的范数
其中 \(\|\mathbf{a}\|\) 和 \(\|\mathbf{b}\|\) 是向量的欧几里得范数,\(\theta\) 是两向量之间的夹角。如果它们方向完全相反,则内积最小。- **\(L_p\) 范数**:\(\|\mathbf{a}\|_p = (\sum_{i=1}^{n} |a_i|^p)^{1/p}\),这是一种更一般化的形式,当 \(p=2\) 时退化为欧几里得范数。其中 \(\sigma_{max}(\mathbf{A})\) 是矩阵 \(\mathbf{A}\) 的最大奇异值。原创 2024-04-01 15:09:39 · 453 阅读 · 0 评论 -
人工智能矩阵之性能指标
对于一个 \(n \times n\) 的方阵 \(A\),其行列式记为 \(det(A)\) 或 \(|A|\),可以递归地定义。对于最简单的情况,一个 \(1 \times 1\) 矩阵的行列式就是其唯一元素的值。对于更大的矩阵,行列式是基于矩阵中元素和它们的代数余子式的和。原创 2024-04-01 13:12:04 · 554 阅读 · 0 评论 -
人工智能矩阵基础知识点(2)
大小:外积的模长 \(\|\mathbf{u} \times \mathbf{v}\|\) 等于原来两个向量构成的平行四边形的面积,也可以表达为 \(\|\mathbf{u} \times \mathbf{v}\| = \|\mathbf{u}\|\|\mathbf{v}\|\sin(\theta)\),其中 \(\theta\) 是两向量之间的夹角。对于 \(uv^T\),无论 \(n\) 的大小如何,所有的列都是向量 \(u\) 的标量倍数,同样,所有的行都是向量 \(v^T\) 的标量倍数。原创 2024-04-01 10:27:19 · 587 阅读 · 2 评论 -
人工智能矩阵基础知识点(1)
定义:对于一个给定的方阵 \( A \),如果存在一个非零向量 \( v \) 和一个标量 \( \lambda \),使得 \( Av = \lambda v \),那么我们称 \( \lambda \) 是矩阵 \( A \) 的一个特征值,\( v \) 是对应于特征值 \( \lambda \) 的一个特征向量。定义:如果两个矩阵 \( A \) 和 \( B \) 满足 \( B = P^{-1}AP \),其中 \( P \) 是一个可逆矩阵,那么称 \( A \) 和 \( B \) 相似。原创 2024-03-31 16:25:25 · 1713 阅读 · 0 评论 -
一文读懂矩阵在人工智能中到底有什么用
在深入探讨人工智能之前,理解矩阵的基本概念及其在AI中的关键作用是至关重要的。矩阵在数学概念的应用远远超出了传统的数学领域,成为人工智能中不可或缺的一部分。原创 2024-04-03 10:18:22 · 3330 阅读 · 1 评论