数学之美
文fei哦
目前主要从事能源电力系统规划及优化运行、可再生能源、低碳电力技术、负荷预测、电力市场、碳达峰碳中和、新型电力系统、新能源+储能等方面的规划、研究与设计工作。业余喜欢研究和跟踪群智能优化算法、AI、大数据、机器视觉等领域的最新研究成果与发展趋势。
展开
-
矩阵、向量求导法则
原文链接:http://blog.csdn.net/qianhen123/article/details/50419514矩阵、向量求导法则复杂矩阵问题求导方法:可以从小到大,从scalar到vector再到matrix。 x is a column vector, A is a matrix$d(A*x)/dx=A$转载 2017-01-09 16:33:58 · 573 阅读 · 0 评论 -
正态分布为什么常见?
原文链接:http://www.ruanyifeng.com/blog/2017/08/normal-distribution.html作者: 阮一峰日期: 2017年8月 2日统计学里面,正态分布(normal distribution)最常见。男女身高、寿命、血压、考试成绩、测量误差等等,都属于正态分布。以前,我认为中间状态是事物的常态,转载 2017-08-22 16:55:32 · 2081 阅读 · 0 评论 -
《正太哲学》-正态分布的哲学本质及世界观意义
原文链接:http://blog.sina.com.cn/s/blog_48f4f7600100ecy6.html一、 概念 指变量的频数或频率呈中间最多,两端逐渐对称地减少,表现为钟形的一种概率分布。 正态分布的由来 正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家Moivre于1733年首次提出的,但由于德国数学家Gaus转载 2017-12-19 18:11:58 · 12256 阅读 · 0 评论 -
对于概率论数字特征的理解
原文链接:http://blog.csdn.net/thesnowboy_2/article/details/69564226#随机变量数字特征概述随机变量常见数字特征数学期望均值方差标准差协方差相关系数协方差矩阵数字特征概述 在我们学习概率论的时候,很多时候我们不能深刻理解概率论中的数字特征所具有的含义,本文章尝试去帮助读者理转载 2017-04-12 19:18:24 · 1222 阅读 · 0 评论 -
高斯白噪声
高斯噪声是一种随机噪声,在任选瞬时中任取n个,其值按n个变数的高斯概率定律分布。注:1,高斯噪声完全由其时变平均值和两瞬时的协方差函数来确定,若噪声为平稳的,则平均值与时间无关,而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数,它在意义上等效于功率谱密度。 2,高斯噪声可以是大量独立的脉冲所产生的,从而在任何有限时间间隔内,这些脉冲中的每一个脉冲值与所有脉冲值转载 2017-04-03 21:15:56 · 17577 阅读 · 0 评论 -
名词解释
稀疏编码 Sparse Coding 无监督学习 unsupervised method超完备基 over-complete bases主成分分析 PCA稀疏性 sparsity退化 degeneracy代价函数 cost function重构项 reconstruction term稀疏惩罚项 sparsity penalty范式 norm生成模型 generative model线性叠加 li原创 2017-03-26 00:02:53 · 388 阅读 · 0 评论 -
对矩阵、特征值、特征向量的一些认识
---------------------------------------------矩阵、特征值、特征向量------------------------------------------------矩阵有很多实实在在的物理意义,我们可以把矩阵看作是空间里定义的一种线性变换,这里我们在学习线性代数的时候就已经感受到了,目标矩阵左乘或右乘一个矩阵就表示对此目标矩阵实施相应的线性变换;另外原创 2017-04-06 13:43:20 · 1595 阅读 · 0 评论 -
浅谈协方差矩阵
原文链接:http://pinkyjie.com/2010/08/31/covariance/浅谈协方差矩阵的意义一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述:均值:标准差:方差:均值描述的是样本集合的中间点,它告诉我们的信息是有限的,而标准差给我们描述的是样本集合的各个样本点转载 2017-03-21 09:59:17 · 559 阅读 · 0 评论 -
机器学习方法:回归(二):稀疏与正则约束ridge regression,Lasso
原文链接:http://blog.csdn.net/xbinworld/article/details/44276389“机器学习方法“系列,我本着开放与共享(open and share)的精神撰写,目的是让更多的人了解机器学习的概念,理解其原理,学会应用。希望与志同道合的朋友一起交流,我刚刚设立了了一个技术交流QQ群:433250724,欢迎对算法、技术、应用感兴趣的同学加入,在交转载 2017-02-16 10:47:28 · 3750 阅读 · 0 评论 -
l0-Norm, l1-Norm, l2-Norm, … , l-infinity Norm
I’m working on things related to norm a lot lately and it is time to talk about it. In this post we are going to discuss about a whole family of norm.What is a norm?Mathematically a norm is a tota原创 2017-01-23 18:18:55 · 3876 阅读 · 0 评论 -
Why L1 norm for sparse models?
Explanation 1Consider the vector x⃗ =(1,ε)∈R2 where ε>0 is small. The l1 and l2 norms of x⃗ , respectively, are given by||x⃗ ||1=1+ε, ||x⃗ ||22=1+ε2Now say that, as part of原创 2017-01-23 17:40:16 · 732 阅读 · 0 评论 -
Why is L1 regularization supposed to lead to sparsity than L2?
Just because of its geometric shape: Here is some intentionally non-rigorous intuition: suppose you have a linear systemAx=b for which you know there exists a sparse solution x∗, and that原创 2017-01-23 15:58:21 · 651 阅读 · 0 评论 -
Differences between L1 and L2 as Loss Function and Regularization
While practicing machine learning, you may have come upon a choice of the mysterious L1 vs L2. Usually the two decisions are :1) L1-norm vs L2-norm loss function;2) L1-regularization vs L2原创 2017-01-23 15:54:47 · 1202 阅读 · 0 评论 -
矩阵的本质-通俗易懂的讲解
原文链接:http://blog.csdn.net/qianhen123/article/details/41120939线性代数课程,无论你从行列式入手还是直接从矩阵入手,从一开始就充斥着莫名其妙。比如说,在全国一般工科院系教学中应用最广泛的同济线性代数教材(现在到了第四版),一上来就介绍逆序数这个古怪概念,然后用逆序数给出行列式的一个极不直观的定义,接着是一些简直犯傻的行列转载 2017-01-09 18:10:32 · 23194 阅读 · 8 评论 -
协方差和协方差矩阵简要概述
在统计学中,我们见过的最基本的三个概念是均值,方差,标准差。假定给定了n个样本的集合,那么公式如下 均值是描述样本的平均值,标准差描述的是样本集合的各个点到均值距离的平均,体现了样本的散步程度。而方差仅仅是标准差的平方。 实际上,上述的方差是针对一维数据的情况进行统计描述。考虑这样一种情况:假设我们需要对两个集合的数据转载 2017-12-19 16:37:42 · 624 阅读 · 0 评论