深度学习
文章平均质量分 91
小何尚
这个作者很懒,什么都没留下…
展开
-
(笔记—深度学习):Chapter2-线性代数
1-标量向量矩阵张量2-基础运算3-单位矩阵和逆矩阵4-范数5-特征分解6-奇异值分解7-伪逆矩阵8-迹运算9-行列式1-标量、向量、矩阵、张量标量(scalarsscalars):是一个单独的数,用斜体小写字母表示, e.g. x∈Rx \in \mathbb R向量(vectorsvectors):是一组数字,用粗体小写字母表示, e.g. x∈Rn\原创 2018-01-05 16:16:33 · 339 阅读 · 0 评论 -
(笔记—深度学习):Chapter3-概率论和信息论
1- Why Probability2-随机变量3- 概率分布3-1 离散型随机变量3-2连续性随机变量4-边缘概率5-条件概率6-独立性和条件独立性7-期望方差协方差8-常用概率分布8-1 伯努利分布8-2 Multinoulli 分布8-3 高斯分布8-4 指数分布和拉普拉斯分布8-5 Dirac 分布和经验分布8-6 混合分布9-有用的函数10-贝叶原创 2018-01-06 20:13:11 · 918 阅读 · 1 评论 -
(笔记—深度学习):Chapter4-数值计算
1-溢出2-病态条件3- 基于梯度下降的优化Jacobian矩阵和Hessian 矩阵 机器学习中需要大量的数值运算,通常指的是迭代更新求解数学问题。常见的操作包括优化算法和线性方程组的求解。1-溢出下溢:由于计算机进行数值计算时精度有限,下溢是在四舍五入为零时发生。例如:当零做除数时,会返回非数值(not a number,NaNnot \ a \ nu原创 2018-06-06 18:29:44 · 343 阅读 · 0 评论