高等数学
文章平均质量分 73
Vinicier
计算机专业学生,爱学习,爱技术爱,交朋友 :)
展开
-
机器学习中的概率和信息论
在本文中,我们讨论概率和信息论。概率论是用于表示不确定性陈述(statement) 的数学框架。它不仅提供了量化不确定性的方法,也提供了用于导出新的不确定性陈述的公理。在人工智能领域,我们主要以两种方式来使用概率论:概率法则告诉我们AI系统应该如何推理,所以我们设计一些算法来计算或者近似由概率论导出的表达式;我们可以用概率和统计从理论上分析我们提出的AI系统的行为。信息论是应用数学的一个分支,原创 2017-01-12 22:19:15 · 2240 阅读 · 0 评论 -
机器学习中的线性代数之矩阵求导
前面针对机器学习中基础的线性代数知识,我们做了一个常用知识的梳理。接下来针对机器学习公式推导过程中经常用到的矩阵求导,我们做一个详细介绍。矩阵求导(Matrix Derivative)也称作矩阵微分(Matrix Differential),在机器学习、图像处理、最优化等领域的公式推导中经常用到。原创 2017-01-12 19:57:57 · 95297 阅读 · 31 评论 -
Deep learning 中的数学基础知识
1.微积分导数:一个函数在某一点的导数描述了这个函数在这一点附近的变化率。 f′(a)=limh→0f(a+h)−f(a)hf'(a) = \lim_{h \rightarrow 0} \frac{f(a+h)-f(a)}{h} 梯度:多元函数的导数就是梯度。一阶导数和梯度(gradient) f′(x)f'(x) ; ∇f(X)=∂f(X)∂X=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢∂f(X)原创 2017-11-08 19:55:53 · 1813 阅读 · 0 评论