数学概念
霜桥月馆
k
展开
-
全面理解卷积
概述卷积的实质: 数学角度:==卷积实际上是一种积分运算,而且是线性运算(从离散角度理解),用来求两个曲线重叠区域的面积,可以看作加权求和。==,实际上积分就是极限求和。所以离散和连续并没有本质区别。信号角度:对信号进行滤波卷积定理可以将时空域的卷积等价位频域的相乘,进而利用FFT等快速算法,可以节约很大的运算成本卷积分为: * 连续卷积 * 离散卷积 注:二者的区...原创 2018-05-10 15:06:53 · 13670 阅读 · 0 评论 -
1×1卷积
概述1×1卷积首先是出现在Network in Network这篇论文当中,作者想要让网络变得更深,但并不是简单的去增加神经网络的层数。根据Aaditya Prakash (Adi)的观点,其实从某冲深度来讲用1×1卷积并不是是网络变得更深,而是更宽,这里的宽实际上是增加数据量,但是通过1×1的卷积我们就可以对原始图片做一个变换,得到一张新的图片,从而可以提高泛化的能力减小过拟合,;同时在这个...原创 2018-09-16 11:44:08 · 18579 阅读 · 0 评论 -
旋度和散度
这里只是我简单的记录一下,建议直接阅读,文末参考的链接,马同学高等数学写的非常好通量是单位时间内通过的某个曲面的量散度是通量强度环流量是单位时间内环绕的某个曲线的量旋度是环流量强度一,散度1. 通量单位时间通过某个曲面的量 数学表达: 对于某个曲面∑∑\sum ∬∑A⃗ ⋅n⃗ dS∬∑A→⋅n→dS \iint\limits_{\sum} ...原创 2018-09-03 17:36:24 · 13208 阅读 · 1 评论 -
马尔科夫链(Markov chain)5分钟简单入门
数学表达条件一 …… 概率向量(状态向量)条件二 …… 转移概率矩阵例子参考数学表达马克科夫链是一个随机系统,必须满足两个条件:系统任意时刻可以用有限个可能状态之一来描述系统无后效性,即某阶段的状态一旦确定,则此后过程的演变不再受此前各种状态及决策的影响 无后效性: 条件一 …… 概率向量(状态向量)X(n)=(x(n)1x(n)2...原创 2018-08-29 18:57:35 · 37733 阅读 · 11 评论 -
数学中常见的 arg
arg 是变元(即自变量argument)的英文缩写。arg min 就是使后面这个式子达到最小值时的变量的取值arg max 就是使后面这个式子达到最大值时的变量的取值例如 函数F(x,y):arg min F(x,y)就是指当F(x,y)取得最小值时,变量x,y的取值arg max F(x,y)就是指当F(x,y)取得最大值时,变量x,y的取值原文:http...转载 2018-08-28 19:43:05 · 4566 阅读 · 0 评论 -
贝叶斯相关公式(Bayes)
这里只是记录一下,非常推荐马同学高等数学,文末有原文代数推导是根据条件概率推导的 P(A|B)=P(AB)P(B)P(B|A)=P(AB)P(A)P(A|B)=P(AB)P(B)P(B|A)=P(AB)P(A) P(A|B) = \frac{P(AB)}{P(B)} \qquad P(B|A) = \frac{P(AB)}{P(A)} 所以推导可以得到Bayes公式:P(...原创 2018-08-28 10:51:31 · 65903 阅读 · 1 评论 -
向量内积和基变换
参考: http://blog.codinglabs.org/articles/pca-tutorial.html引用例子A⋅B=|A|cos(a) 设向量B的模为1,则A与B的内积值等于A向B所在直线投影的矢量长度 其实就是将B看成是一个基。 比如说原来在(0,1),(1,0)这个基下,(2,3)。 要求在这一组基的坐标,就可以直接内积 写成矩阵的形式就是: 数学表达...原创 2018-08-23 10:48:33 · 2550 阅读 · 0 评论 -
BatchNorm的一些理解
原文: https://blog.csdn.net/malefactor/article/details/51476961 by 张俊林Internal Covariate Shift:如果ML系统实例集合(x,y)中的输入值X的分布老是变,这不符合IID假设啊,那您怎么让我稳定的学规律啊,这不得引入迁移学习才能搞定吗,我们的ML系统还得去学习怎么迎合这种分布变化啊。IID独立同分布假...原创 2018-08-16 09:59:05 · 503 阅读 · 0 评论 -
图片卷积后的尺寸计算公式
输入图片大小 W×WFilter大小 F×F步长 Spadding的像素数 PN = (W − F + 2P )/S+1输出图片大小为 N×N转载 2018-08-10 19:36:31 · 21741 阅读 · 7 评论 -
svd奇异值动图分解
概述图形化生动理解1. 准备工作2. 图形化解释附录1. 动图matlab代码2.参考概述简单说一个矩阵svd分解就是变成三个矩阵的乘积比如: A=[11−22]=[−0.7070.707−0.707−0.707][2.828001.4142][01−10]≜USVA=[1−212]=[−0.707−0.7070.707−0.707][2.828001...原创 2018-09-21 19:21:58 · 361 阅读 · 0 评论