小小新一枚 - 博客园

2020年11月11日

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-ppt版学习笔记

摘要： PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 注：注：注：注：注：注：注：注：注：详细参考：https://blog.csdn.net/qq_37534947/article 阅读全文

posted @ 2020-11-11 21:58 小小新一枚阅读(18) 评论(0) 推荐(0)

线性代数（五）特征值和特征向量

摘要：文章目录一：特征值与特征向量二：特征方程2.1行列式求解的另一种方法--初等变换2.2可逆矩阵定理以及行列式性质的补充2.3特征方程/特征多项式2.4相似性三：对角化3.1从例子出发3.2定理3.3例子一：特征值与特征向量 1.定义：注：必须是方阵！！！ 2.给定特征值求特征向量：注：已知阅读全文

posted @ 2020-11-11 15:26 小小新一枚阅读(34) 评论(0) 推荐(0)

2020年11月10日

最优化理论（二）拉格朗日乘子法

摘要：文章目录一：无约束条件二：等式约束条件--拉格朗日乘子2.1拉格朗日乘子法的定义以及推导2.2一个简单的例子：引入：优化问题通常是指对于给定的某一函数，求其在指定作用域上的全局最小值(因为最小值与最大值可以很容易转化，即最大值问题可以转化成最小值问题) 一：无约束条件这是最简单的情况，解决方阅读全文

posted @ 2020-11-10 20:08 小小新一枚阅读(59) 评论(0) 推荐(0)

最优化理论（一）梯度直观理解

摘要：文章目录一：全导数二：极值与微分三：方向导数四：梯度4.1为什么所有方向导数中会存在并且只存在一个最大值？4.2 这个最大值在哪个方向取得？值是多少？五：如何直观形象的理解方向导数与梯度以及它们之间的关系？六：总结一：全导数参考：https://www.zhihu.com/question/ 阅读全文

posted @ 2020-11-10 19:48 小小新一枚阅读(30) 评论(0) 推荐(0)

概率论笔记（六）一维正态分布/二维正态分布/多维正态分布

摘要：文章目录一：一维正态分布二：二维正态分布/多维正态分布三：各向同性正态分布一：一维正态分布二：二维正态分布/多维正态分布三：各向同性正态分布各向同性的高斯分布（球形高斯分布）指的是各个方向方差都一样的多维高斯分布，协方差为正实数与identity matrix（单位矩阵）相乘。注：即方差阅读全文

posted @ 2020-11-10 16:29 小小新一枚阅读(77) 评论(0) 推荐(0)

概率论笔记（五）随机向量/多元随机变量

摘要：文章目录一：联合分布1.1联合分布函数1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数二：边缘分布与随机变量的独立性2.1边缘分布2.2随机变量的独立性2.3两个随机变量下的函数的分布2.3.1离散型2.3.2连续型一：联合分布引入： 1.1联合分布函数注：相阅读全文

posted @ 2020-11-10 16:03 小小新一枚阅读(38) 评论(0) 推荐(0)

2020年11月9日

概率论笔记（四）概率分布的下期望和方差的公式总结

摘要：文章目录一：期望1.1离散型随机变量的期望1.2连续型随机变量的期望1.3期望的性质二：随机变量函数（复合随机）的数学期望三：方差3.1离散型随机变量的方差3.2连续性随机变量的方差3.3方差的性质四：协方差4.1定义4.2离散型二维随机变量的协方差4.3连续型二维随机变量的协方差4.4二维随阅读全文

posted @ 2020-11-09 22:43 小小新一枚阅读(1814) 评论(0) 推荐(0)

2020年11月8日

概率论笔记（三）几种常见的概率分布

摘要：文章目录一：伯努利分布/0-1分布二：二项分布三：泊松分布四：正态分布五：均匀分布六：指数分布一：伯努利分布/0-1分布如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变量，其分布是单个二值随机变量的分布，称为伯努利分布。注意伯努利分布关注的是结果阅读全文

posted @ 2020-11-08 21:37 小小新一枚阅读(98) 评论(0) 推荐(0)

概率论笔记（二）概率分布

摘要：文章目录一：随机变量的理解二：分布函数三：离散型分布四：连续型分布一：随机变量的理解注：其实随机变量就是一个实数，它是把随机事件映射成了一个实数，方便表示！！！二：分布函数注：随机变量是一个数，此时事件利用数来表示了，这样在其基础上，我们就可以利用将其事件的概率（数的大小）转换成一个函数阅读全文

posted @ 2020-11-08 19:39 小小新一枚阅读(19) 评论(0) 推荐(0)

概率论笔记（一）重要公式

摘要：文章目录一：基本公式二：互斥事件三：独立事件四：条件概率五：全概率公式六：贝叶斯公式一：基本公式二：互斥事件三：独立事件 1.什么是独立注：独立，如：今天中午下雨的概率和你玩不玩游戏的概率，毫无关系，可以认为是两个不同的维度的比较；而互斥，你12点去吃饭或者去玩游戏，同一维度，只能有一个发阅读全文

posted @ 2020-11-08 19:11 小小新一枚阅读(61) 评论(0) 推荐(0)

songwz

公告