AI学习记录 - 线性代数（3Blue1Brown）

最新推荐文章于 2024-08-30 19:49:24 发布
最新推荐文章于 2024-08-30 19:49:24 发布
阅读量105 收藏
点赞数
文章标签： 人工智能 学习 线性代数
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/weixin_43954090/article/details/141697555
版权
一天更新一点点，只更新重点内容，一句话定义，简单的定义，避免脑子及记太多

向量的加法就是一种趋势运动

在这里插入图片描述

向量的延长缩短，就是分量的延长缩短

在这里插入图片描述

基向量就是在平面或者任意维度空间随便定义的一个向量

多个基向量的组合可以构成其它向量

两个基向量可以组合成平面的所有向量，三个基向量可以组合成空间的所有向量

victor-AI最好的学习方式是画图
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
3Blue1Brown 线性代数的本质 笔记
hijackedbycsdn的博客
07-06 157
因为某个矩阵行列式等于 0 的时候，相当于把空间降维了，而假设你现在有一个被降维了之后的空间，你不能再把它解压到高维了，也就是你找不出一个逆变换了（例如二维平面被压成一条线，现在你只有一条线，现在要求你从一条线输出两个线性无关的二维向量，这是一对多的情况，这已经不是函数能解决的了），所以矩阵的行列式为 0 的时候，没有逆矩阵。对于 Ax，如果 x 经过 A 的变换之后，只能落在一条线上，那么称为 A 的秩为 1，如果 x 经过 A 的变换后，只能落在一个平面上，那么称为 A 的秩为 2……
线性代数笔记-线性空间和矩阵复习
weixin_43252268的博客
03-12 906
复习思路 这次复习线性代数是为了给机器学习、数值分析、最优化理论三门课程打基础（这三门课程里面的矩阵使用实在太多、太深）。具体来说是要对行列式、矩阵运算、矩阵分解、线性变换里面的基础概念记忆。纸质的笔记仅列出概念，要求自己看到后能理解，算是对复习效果的自测。有时间的话把详细内容放在知乎上，以便以后复习。这次疫情我什么书也没带，因此深切感受到把笔记放在网上的重要性。 线性代数的问题是解线性方程组，记...
机器学习和深度学习之数学基础-线性代数 第一节 向量及线性映射
huijunma2010的专栏
12-11 9481
转自：https://blog.csdn.net/yong_bai/article/details/80033516 yong_bai发布于2018-04-18 21:40:15阅读数 1440收藏 展开 本文为原创文章，欢迎转载，但请务必注明出处。 线性代数是机器学习和深度学习算法的数学基础之一，这个系列的文章主要描述在AI算法中可能涉及的线性代数相关的基本概念和运算。...
线性代数【12】矢量（向量） - 概念和专有名词
山云的专栏
11-28 2468
前言：之前文章我们主要针对施光燕老师的视频，对线性代数和其基本的理论框架，我们现在开始做一点简单深入的研究，这一节，开始参考了国外的一些研究视频，然后，也把国外对线性代数的认识和表达融到这个博客里面，这样方便以后对人工智能和计算机、机器视觉的进一步学习： 本节讨论矢量，矢量是构成线性代数的基本单元，从根本上讲，矢量是什么呢？ 1什么矢量(Vector)： 上图表述，在Ｘ，Ｙ坐标里面的一个矢量。 矢量的定义有三个不同的领域定义： 物理 在物理学里面，矢量就是指向空间的一个带长度...
独家 | 线性代数：每个数据科学家的必知概念（上）
数据派THU
07-25 49
作者：Benedict Neo 翻译：陈之炎 校对：ZRX 本文约2500字，建议阅读8分钟 本文将探讨上述线性代数概念、视觉解释和代码示例。你对线性代数有足够的了解吗？线性代数是所有数据科学和机器学习任务的基石，它是将理论模型转化为实际解决方案的语言，它体现了能够利用算法从数据中学习的准则。xkcd线性代数可用于：1. 数据表示：用一种结构化的方式来组织和操作数据，将复杂数据集表示为矩阵2...
翻译: Gen AI生成式人工智能学习资源路线图一
AI架构师易筋
06-12 2581
本文档旨在作为学习现代人工智能系统背后的关键概念的手册。考虑到人工智能最近的发展速度，确实没有一个好的教科书式的资源来快速了解 LLMs 或其他生成模型的最新和最伟大的创新，但互联网上有大量关于这些主题的优秀解释资源（博客文章、视频等）。我的目标是将这些资源中的“最好的”组织成教科书式的演示文稿，它可以作为满足个人人工智能相关学习目标的先决条件的路线图。我希望这将是一份“活文件”，随着新的创新和范式不可避免地出现而进行更新，并且理想情况下也是一份可以从社区投入和贡献中受益的文件。
线性代数的学习和整理9：线性代数的本质（未完成）
奔跑的犀牛先生
08-20 3103
同构就是这样一个强大的概念，任何维数相同的线性空间之间是同构的，空间的维数是简单而深刻的，简单的自然数居然能够刻画空间最本质的性质。基有无穷个，相应的矩阵有无穷个。在左，你就是基，是空间的根本，是坐标系，是往哪去、能到哪的定海神针，是如来佛手；一个线性空间必定存在基，线性空间的任意元素都可以由基线性表出，且表出方式唯一，这个唯一的表出的组合就是这个元素在这个基下的坐标。有时候需要判定一个线性映射是不是单射，按照定义来还是没那么好证的，这时我们可以从它的核来判定，只要它的核是零，那么这个线性映射必然是单射。
线性代数重学
_
12-24 588
高等代数（上） 1.4 行列式 行列式的定义是递归定义 矩阵A是n行n列的方阵, 矩阵A中的第k行第i列元素记为ak,ia_{k,i}ak,i​ 矩阵A中去掉第k行和第i列 ，余下的元素组成的矩阵，称为原矩阵A的余子阵μk,i\mu_{k,i}μk,i​ 例如，将矩阵A按第一行元素的余子阵展开，则有 矩阵A的行列式det(A)定义为： det(A)=∑i=1na1,idet(μ1,i)det(A)=\sum_{i=1}^{n} a_{1,i}det(\mu_{1,i})det(A)=∑i=1
线性代数入门
juruo_hejiarui的博客
01-28 66
前言 这篇东西大部分都是在瞎bb，大佬们可以选择不看。大部分内容来自 \(\rm 3Blue1Brown\) 大佬的视频。 需要先学高斯消元。 基础向量 定义一个 \(n\) 维的向量 \(\vec v\) ，其长度用 \(|\vec v|\) 表示，一般来说，我们可以用一个 \(n\) 元组(可以理解为一个长度为 \(n\) 的序列)表示一个向量，表示方式如下： \[\vec v = (x_{...
高等代数pdf 线性代数pdf 免费线性代数考研复习资料pdf
01-11
推荐的参考资料包括丘维声的《高等代数I》、Strang的《Introduction to Linear Algebra》、Axler的《Linear Algebra Done Right》以及3Blue1Brown的视频系列，这些都是学习线性代数的权威著作和资源。 通过学习这份...
线性代数导引：表达式及其语义解释
禅与计算机程序设计艺术
07-20 819
线性代数导引：表达式及其语义解释 1. 背景介绍 1.1 问题的由来 在数学和计算机科学领域中,线性代数是一门基础且广泛应用的学科。它为解决许多实际问题提供了强大的工具和方法。然而,对于初学者来说,线性代数的概念和符号体系往往显得晦涩难懂。表达
线性代数导引：仿射空间
禅与计算机程序设计艺术
06-20 802
线性代数导引：仿射空间 1. 背景介绍 1.1 线性代数的重要性 线性代数是数学的一个重要分支,在计算机科学、物理学、工程学等众多领域有着广泛的应用。它为解决线性方程组、理解向量空间、刻画线性变换提供了强有力的工具。
python 实现convolution neural network卷积神经网络算法
luthane的博客
08-26 9132
卷积神经网络（Convolutional Neural Networks, CNN）是一种包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks, FNN），是深度学习的代表算法之一。基本原理CNN的核心思想是通过模拟人类视觉系统的工作方式，自动提取图像中的特征，并将其用于分类、检测、分割等任务。它主要受到了生物学上感知机制的启发，模拟了人类视觉系统中的感知细胞和复杂细胞的工作方式。
关于人工智能（AI）的研究报告
weixin_44196785的博客
08-29 1897
未来，随着技术的不断创新和应用的不断拓展，人工智能将继续发挥重要作用，推动社会的进步和发展。然而，人工智能的发展也带来了一些挑战，需要我们在技术创新、应用拓展和社会治理等方面共同努力，以确保人工智能的发展符合人类的利益和价值观。就业结构的变化：人工智能的发展将导致就业结构的变化，一些传统的工作岗位将被自动化和智能化的设备所取代，同时也会创造出一些新的工作岗位。社会治理的挑战：人工智能的发展将对社会治理带来挑战，例如如何应对人工智能带来的安全风险、如何保障人工智能的公平性和可及性等。
【python计算机视觉编程——1.基本的图像操作和处理】
热门推荐
m0_53694086的博客
08-26 1万+
参数sigma为标准差（σ），是高斯滤波器的一个重要参数，它控制滤波器的平滑程度。标准差越大，高斯函数的曲线越宽，滤波器的影响范围就越大。标准差较大: 高斯滤波器会在更大范围内进行平滑，使得图像变得更加模糊，细节和边缘特征会被更强地平滑掉。标准差较小: 高斯滤波器会产生较小范围的平滑效果，图像的细节保留更多。还可以给定转换矩阵，将RGB图像转换为CIE XYZ色彩空间。图像像素值被分成128个区间，用于计算每个区间的像素值频率。可以返回目录中所有jpg图像的列表。
【大模型理论篇】RoPE旋转位置编码底层数学原理分析
最新发布
源泉的小广场
08-30 1048
大模型、位置编码、Transformer、旋转位置编码、RoPE、Rotary Positional Encoding、数学原理、数学推导、旋转矩阵、相对位置、绝对位置、词元相似性、位置相关性
【自由能系列（初级）】【开篇论文】自由能原理在多个领域的统一视角
神经美学_茂森的博客
08-27 2476
自由能原理作为一个统一的理论框架，成功地将多个看似不相关的领域（如神经科学、物理学、经济学、信息论、控制论、认知科学和生物学进化）联系在一起。通过自由能原理，我们可以更深刻地理解不同系统如何在给定条件下实现最优行为或状态。#自由能原理 #跨领域统一框架 #优化逻辑 #参数调节 #贝叶斯大脑 #预测编码 #最优控制 #注意力机制 #自然选择 #机器学习。：自由能原理、跨领域统一框架、优化逻辑、参数调节、贝叶斯大脑、预测编码、最优控制、注意力机制、自然选择、机器学习。
未戴安全帽算法检测源码样本安防监控视频分析未戴安全帽检测算法应用场景
LntonCEC的博客
08-29 890
通过高效的图像处理和实时反馈机制，这些算法不仅提高了安全帽佩戴的检测准确性，还实现了对工地的全覆盖监控。未来，随着技术的不断进步和优化，这些系统将在更多的工地和工业场景中得到广泛应用，为工人的安全保驾护航。同时，系统会记录所有的检测数据，为后续的安全管理和分析提供了宝贵的参考资料。未戴安全帽检测算法是一种基于计算机视觉和深度学习技术的智能分析算法，旨在通过分析图像或视频流，自动识别人员是否佩戴了安全帽，并在检测到未佩戴情况时采取相应的措施（如发出警报或记录事件）。1. 提高检测准确性。
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
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