2017 年 12月随笔档案 - 心灵智者AI

ML-学习提纲2

摘要：https://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/ http://blog.csdn.net/u011001084/article/details/52523897 A Tour of Machine L 阅读全文

posted @ 2017-12-29 08:51 心灵智者AI 阅读(286) 评论(0) 推荐(0)

ML-学习提纲1

摘要：http://www.sohu.com/a/130379077_468714 本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识，是对之前系列文章做的一次完整的梳理，也是我至今为止所有与统计有关的学习笔记。众所周知，「统计学」是深入理解「机器学习|数据挖掘」的重要基础学科。正所谓磨刀不阅读全文

posted @ 2017-12-29 08:43 心灵智者AI 阅读(363) 评论(0) 推荐(0)

Hessian矩阵与牛顿法

摘要：Hessian矩阵与牛顿法牛顿法主要有两方面的应用： 1. 求方程的根； 2. 求解最优化方法；一. 为什么要用牛顿法求方程的根？问题很多，牛顿法是什么？目前还没有讲清楚，没关系，先直观理解为牛顿法是一种迭代求解方法（Newton童鞋定义的方法）。假设 f(x) = 0 为待求解方程，阅读全文

posted @ 2017-12-22 17:04 心灵智者AI 阅读(4557) 评论(0) 推荐(1)

逻辑回归

摘要：https://www.cnblogs.com/pinard/p/6029432.html http://blog.csdn.net/u010159842/article/details/46426909 阅读全文

posted @ 2017-12-22 13:40 心灵智者AI 阅读(148) 评论(0) 推荐(0)

对于BackPropagation(BP, 误差反向传播)的一些理解

摘要：https://www.cnblogs.com/lancelod/p/4164231.html 阅读全文

posted @ 2017-12-21 18:48 心灵智者AI 阅读(465) 评论(0) 推荐(0)

几种常见的优化算法

摘要：几种常见的优化算法：参考：https://www.cnblogs.com/shixiangwan/p/7532830.html 我们每个人都会在我们的生活或者工作中遇到各种各样的最优化问题，比如每个企业和个人都要考虑的一个问题“在一定成本下，如何使利润最大化”等。最优化方法是一种数学方法，它是研究阅读全文

posted @ 2017-12-21 14:50 心灵智者AI 阅读(22118) 评论(0) 推荐(1)

python-seaborn绘图

摘要：https://zhuanlan.zhihu.com/p/27435863 Seaborn(sns)官方文档学习笔记系列阅读全文

posted @ 2017-12-14 21:05 心灵智者AI 阅读(246) 评论(0) 推荐(0)

理解LSTM网络

摘要：转自http://www.jeyzhang.com/understanding-lstm-network.html 理解LSTM网络 Posted on 2016-10-19 | In Machine Learning | | 4678 Views 循环神经网络(RNN) 人们的每次思考并不都是从零阅读全文

posted @ 2017-12-07 21:47 心灵智者AI 阅读(799) 评论(0) 推荐(0)

神经网络大全

摘要：转自：http://www.asimovinstitute.org/neural-network-zoo/ With new neural network architectures popping up every now and then, it’s hard to keep track of 阅读全文

posted @ 2017-12-07 21:37 心灵智者AI 阅读(867) 评论(0) 推荐(0)

卷积神经网络全面解析

摘要：http://www.moonshile.com/post/juan-ji-shen-jing-wang-luo-quan-mian-jie-xi#toc_0 https://www.leiphone.com/news/201607/KjXQ1dFpOQfhTEdK.html 阅读全文

posted @ 2017-12-07 21:36 心灵智者AI 阅读(354) 评论(0) 推荐(0)

3D旋转矩阵的推导过程

摘要：3D旋转矩阵的推导过程包含平移的线性变换称作仿射变换，3D中的仿射变换不能用 3 x 3 矩阵表达，必须使用4 x 4矩阵。一般来说，变换物体相当于以相反的量变换描述这个物体的坐标系。当有多个变换时，则需要以相反的顺序变换相反的量。例如，将物体顺时针旋转20度，扩大200%，等价于将坐标系缩小2 阅读全文

posted @ 2017-12-02 16:41 心灵智者AI 阅读(13635) 评论(1) 推荐(0)