向量相关的书籍（2024.06.22）

已于 2024-06-22 08:48:36 修改
阅读量557 收藏 9
点赞数 30
分类专栏： 程序猿的数学 创新 科普 文章标签： 机器学习 人工智能 算法 c++ c语言 GESP CSP-J
于 2024-06-22 07:51:25 首次发布
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/dllglvzhenfeng/article/details/139873473
版权
科普 同时被 3 个专栏收录
753 篇文章 35 订阅
订阅专栏
程序猿的数学
680 篇文章 67 订阅
订阅专栏
创新
540 篇文章 3 订阅
订阅专栏

1、绕来绕去的向量法（第二版）

2、高中数学新体系（向量的秘密）

3、教版高中数学选修2-1A版教科书

4、图解中学对数与向量

5、向量的力量——中学数学中的向量与向量方法（2020.12）

6、新编中学数学解题方法1000招丛书.向量(第2版）-2019.03

7、直击名校高中数学300题 立体几何与空间向量 全国版 交大之星（2017.01）

8、向量几何

9、台版 向量 学好数学 理解物理的关键 少年伽利略32 人人出版 日本Newton Press 全彩图解了解向量知识科普书籍

10、台版 数学女孩秘密笔记 向量篇(2017.02)

11、数学奥林匹克命题人讲座（升级版）：向量与立体几何

12、数学奥林匹克小丛书（第三版）（高中A辑）卷6：复数与向量

13、矩阵与变换

14、线性代数应该这样学（第3版）--2021

15、向量分析与场论（2017）

信奥中的数学：群论

信奥中的数学：群论_群论在高中数学的应用-CSDN博客

群论入门书籍推荐

群论入门书籍推荐_群论彩图版pdf-CSDN博客

NOI数学 信奥中的数学：组合数学、群论

NOI数学 信奥中的数学：组合数学、群论_信奥 不同组合-CSDN博客

博弈论书籍及信奥中的数学之博弈论

博弈论书籍及信奥中的数学之博弈论_博弈论与纸牌游戏 pdf-CSDN博客

计算几何 学习书籍及信奥相关学习资料集

计算几何 学习书籍及信奥相关学习资料集_计算几何书籍github-CSDN博客

数论学习书籍及信奥中的数学之数论相关资料

数论学习书籍及信奥中的数学之数论相关资料_信息学奥数noip基础数论-CSDN博客

信息论学习书籍+信奥中的数学之信息论

信息论学习书籍+信奥中的数学之信息论_信息论 推荐 书-CSDN博客

《信息学奥赛一本通 提高篇》

《信息学奥赛一本通 提高篇》_信息学奥赛一本通提高篇-CSDN博客

信奥中的数学学习资料汇总（2022.10.31）

信奥中的数学学习资料汇总（2022.10.31）_新编全国青少年信息学奥林匹克竞赛复赛csdn-CSDN博客

信奥中的数学 相关资料汇总（2022.07.08）

信奥中的数学 相关资料汇总（2022.07.08）_信奥赛相关数学-CSDN博客

组合数学 算法导论 具体数学 博弈论 计算机科学数学

组合数学 算法导论 具体数学 博弈论 计算机科学数学_组合数学(清华,哔哩哔哩)-CSDN博客

省选＋NOI 第九部分 博弈论

省选＋NOI 第九部分 博弈论_noi博弈论-CSDN博客

信奥中的数学：博弈论

信奥中的数学：博弈论_信息学 博弈论-CSDN博客

第7章 博弈论(《信息学奥赛一本通 提高篇》第6部分 数学基础)

第7章 博弈论(《信息学奥赛一本通 提高篇》第6部分 数学基础)_博弈论信息竞赛-CSDN博客

编程与数学 信奥中的数学：基础篇

编程与数学 信奥中的数学：基础篇_信奥预备知识-CSDN博客

编程与数学 信奥中的数学：提高、NOI篇

编程与数学 信奥中的数学：提高、NOI篇_信奥中的数学学习路线图-CSDN博客

信奥中的数学：加法原理和乘法原理

信奥中的数学：加法原理和乘法原理_信息学竞赛 乘法原理-CSDN博客

《信息学奥赛一本通 提高篇》

《信息学奥赛一本通 提高篇》_信息学奥赛一本通提高篇-CSDN博客

NOI数学：Burmside引理与Polya原理

NOI数学：Burmside引理与Polya原理_noi burnside ploya-CSDN博客

信奥中的数学：斯特林数、卡特兰数

信奥中的数学：斯特林数、卡特兰数_信奥 catalan-CSDN博客

信奥中的数学：母函数

信奥中的数学：母函数_ntt信奥-CSDN博客

NOI数学：母函数

NOI数学：母函数_利用母函数解竞赛题-CSDN博客

信奥书籍推荐之数学篇（2023.02.09）

信奥书籍推荐之数学篇（2023.02.09）_信奥数学包括高等代数吗-CSDN博客

NOIP中的数学

NOIP中的数学_隋小波信息学奥赛初赛-CSDN博客

数学女孩系列书籍

数学女孩系列书籍_数学女孩6电子版-CSDN博客

NOI 数学

NOI 数学_noi 数学汇总-CSDN博客

信奥中的数学 组合篇 相关资料汇总（2022.07.08）

信奥中的数学 组合篇 相关资料汇总（2022.07.08）_信息学竞赛 数论组合-CSDN博客

信奥中的数学：排列组合

信奥中的数学：排列组合_信息奥赛初赛 排列组合-CSDN博客

组合数学 算法导论 具体数学 博弈论 计算机科学数学

组合数学 算法导论 具体数学 博弈论 计算机科学数学_组合数学(清华,哔哩哔哩)-CSDN博客

组合数学入门书籍推荐

组合数学入门书籍推荐_排列组合的书-CSDN博客

信奥中的数学学习资料汇总（2022.10.31）

信奥中的数学学习资料汇总（2022.10.31）_新编全国青少年信息学奥林匹克竞赛复赛csdn-CSDN博客

1.6编程基础之一维数组_09向量点积计算

1.6编程基础之一维数组_09向量点积计算-CSDN博客

计算几何 学习书籍及信奥相关学习资料集

计算几何 学习书籍及信奥相关学习资料集_计算几何书籍github-CSDN博客

dllglvzhenfeng
关注
  • 30
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Github 2024-06-24 开源项目日报 Top10
老孙正经胡说
06-24 509
根据Github Trendings的统计，今日(2024-06-24统计)共有10个项目上榜。
维基百科子集的词向量glove.6B.50d
02-20
【标题】"维基百科子集的词向量glove.6B.50d" 涉及的核心概念是词向量（Word Embeddings）技术，具体是GloVe（Global Vectors for Word Representation）模型的一个应用实例，其中包含了50维度的词嵌入。词向量是...
强大的向量数据库：Milvus
sgyuanshi的博客
09-01 7555
在推荐系统中，向量的最邻近检索是极为关键的一步，特别是在召回流程中。一般常用的如Annoy、faiss都可以满足大部分的需求，今天再来介绍另外一个：Milvus Milvus Milvus不同于Annoy、faiss这类型的向量检索工具，它更是一款开源向量数据库，赋能 AI 应用和向量相似度搜索。 涉及的术语 Filed：类似表字段，可以是结构化数据，当然还可以是向量； Entity：一组Filed，类似表的一条数据； Collection：一组Entity，类似于表； 亮点 Milvus不单单是向.
向量的历史
热门推荐
hunterzone的专栏
11-17 1万+
附加给向量的平行四边形法则是如此直观以至于
Open-Vocabulary 论文速览201-300(arxiv 截止2024.06.12）
weixin_44287798的博客
06-12 1046
Open-Vocabulary Detection && Segment &&3D论文内容概览
AI推介-大语言模型LLMs论文速览（arXiv方向）：2024.07.01-2024.07.05
小小帅
07-09 1244
大型语言模型（LLM）的幻觉问题极大地限制了其可靠性和可信度。人类有一种自我意识过程，能让我们在面对询问时识别出自己不知道的东西。受此启发，我们的论文研究了 LLM 能否在生成响应之前估计自己的幻觉风险。我们从训练数据源和 15 种不同的自然语言生成（NLG）任务（跨越 700 多个数据集）两方面广泛分析了 LLM 的内部机制。我们的实证分析揭示了两个关键见解：(1) LLM 的内部状态表明他们是否在训练数据中看到过查询；(2) LLM 的内部状态表明他们是否有可能对查询产生幻觉。
【专题】企业人工智能AI应用新纪元： 2024年企业AI应用趋势洞察报告合集PDF分享（附原数据表）...
拓端研究室TRL
07-01 406
原文链接：https://tecdat.cn/?p=366112023年，国内生成式AI技术取得了显著的进步，推动了大模型创业的热潮。随着大模型技术从实验室走向商业化，企业级AI应用也取得了长足的发展（点击文末“阅读原文”获取专题报告合集PDF版本）。相关视频在投中网举办的第18届中国投资年会上，金沙江创投的朱啸虎与猎豹移动董事长傅盛就“大模型的未来”进行了深入探讨。朱啸虎分享了几个核心观点：投资...
2024大中小学生暑假阅读书单来啦！分年级阅读推荐，值得（家长）收藏！！数理化全书单！...
图灵教育
07-12 43
暑假快到啦！！！暑假正是培养孩子阅读兴趣和阅读能力的大好时机，而数理思维更是需要大量的课外阅读来培养。北京市十一学校本部高中数学教师朱浩楠认为，学生在日常做习题不可或缺，因为这是锤炼能力、掌握知识的必要环节之一，但科普书的作用则是为了展示知识是如何推动人类文明前进的，以及展示在科学前进过程中，科学家们经历过的真实困难，或者通过有趣的开放问题，诱发读者创造性地使用现代科学范式去解决问题。数学自古希腊...
2024 CSP-J1 CSP-S1 第1轮 初赛 学习资料集
青少年趣味编程
06-17 1724
2024 CSP-J1 CSP-S1 第1轮 初赛 学习资料集（2024.06.10）
【精华】AIGC启元2024
LeeZhao的博客
03-01 1054
AIGC启元2024，汇聚AIGC前沿技术
SVM（支持向量机）案例.rar
06-21
SVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例.rarSVM（支持向量机）案例....
线性代数与向量微积分讲义.pdf
07-17
线性代数与向量微积分讲义.pdf
维基百科中文词向量.zip
11-26
维基百科词向量 sgns.wiki.char.bz2解压后文件后缀名是.char, 可以通过一些方法得到.txt结尾的文件，有35万多个字词和符号，300维的向量表示。将词向量作为词嵌入层时需要加载全部的词向量到内存，如果计算机的内存...
SVM（支持向量机）SpecialMatrix.m
07-06
SVM（支持向量机）SpecialMatrix.m
人工智能与机器学习原理精解【7】
“数学如同音乐或诗一样显然地确实具有美学价值。” —— 雅可比
07-25 612
数学优化（Mathematical Optimization），也称为最优化问题，是一个广泛应用的数学领域，旨在解决在一定约束条件下寻找目标函数的最优值（最大值或最小值）的问题。数学优化问题的定义为：给定一个目标函数（也称为代价函数）fA→R，寻找一个变量（也称为参数）x∗∈D，使得对于所有D中的x，都有fx∗≤fx（最小化问题）或fx∗≥fx（最大化问题）。其中，D是变量x的约束集，也称为可行域；D中的变量被称为可行解。
机器学习任务中怎么选择模型？
最新发布
weixin_39915444的博客
07-25 255
选择适合的机器学习模型是一个复杂且关键的过程，需要考虑以下几个方面：以下是选择模型的一般步骤：明确任务类型：探索数据：模型选择：模型评估：模型解释：
机器学习笔记 第二章模型估计与选择
qq_53034510的博客
07-22 833
为此，需使用一个“测试集”来测试学习器对新样本的判别能力，然后以测试集上的“测试误差”作为泛化误差的近似。当学习器把训练样本学得“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，这样会导致泛化性能下降，这种现象在机器学习中称为“过拟合”。答案是否定的，因为测试性能不等于泛化性能，测试性能随着测试集的变化而变化，很多机器学习算法本身有一定的随机性。显然，泛化误差越小越好，但是，我们事先并不知道新样本，实际能做的是努力使经验误差最小化。泛化误差：在“未来”样本上的误差。
pytorch如何用预先练的词向量初始化nn.embedding
06-03
在 PyTorch 中，可以使用预训练的词向量作为初始化参数来初始化 `nn.Embedding`。具体步骤如下： 1. 下载预训练的词向量文件，比如 GloVe、Word2Vec 等。 2. 加载词向量文件，将每个词和其对应的向量存储到一个字典中。 3. 创建一个 `nn.Embedding` 模块，将其权重初始化为预训练的词向量。 4. 将这个 `nn.Embedding` 模块作为神经网络的一部分，用于将输入的词转换为对应的词向量。 下面是一个示例代码： ```python import torch.nn as nn import torch # 加载预训练的词向量文件 word_vectors = {} with open('path/to/word_vectors.txt', 'r', encoding='utf-8') as f: for line in f: word, vector = line.split(' ', 1) word_vectors[word] = torch.from_numpy(np.array(vector.split(), dtype='float32')) # 创建 nn.Embedding 模块，并将其权重初始化为预训练的词向量 embedding = nn.Embedding(num_embeddings=len(word_vectors.keys()), embedding_dim=len(word_vectors['the'])) weights = torch.zeros(len(word_vectors.keys()), len(word_vectors['the'])) for i, word in enumerate(word_vectors.keys()): weights[i] = word_vectors[word] embedding.weight.data.copy_(weights) # 将 nn.Embedding 模块作为神经网络的一部分，用于将输入的词转换为对应的词向量 class MyModel(nn.Module): def __init__(self, vocab_size, embedding_dim): super(MyModel, self).__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) self.fc = nn.Linear(embedding_dim, 1) def forward(self, x): x = self.embedding(x) x = x.mean(dim=1) x = self.fc(x) return x model = MyModel(len(word_vectors.keys()), len(word_vectors['the'])) ``` 这里的 `word_vectors.txt` 文件是预训练的词向量文件，每一行表示一个词及其对应的向量，用空格分隔。`embedding_dim` 参数表示词向量的维度。在这个示例中，我们创建了一个简单的神经网络模型，其中输入为一个词的索引，输出为一个标量。在模型中，我们使用了预训练的词向量来初始化 `nn.Embedding` 模块，并将其作为模型的第一层，用于将输入的词转换为对应的词向量。
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

打赏作者

dllglvzhenfeng

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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