随笔分类 - 人工智能
摘要：奇异值分解（Singular Value Decomposition，简称SVD），将矩阵分解为奇异向量（singular vector）和奇异值（singular value）。 每个实数矩阵都有一个奇异值分解，但是不一定有特征分解，例如非方阵的矩阵。
阅读全文
摘要：卷积神经网络（Convolutional Neural Network，简称CNN），顾名思义，使用了卷积。不过，这里用到的卷积和数学中的不完全一致。 1、连续卷积 2、离散卷积 3、二维离散卷积 4、卷积的可交换性 5、卷积的互相关函数 参考链接： https://www.zhihu.com/qu
阅读全文
摘要：随机梯度下降（stochastic gradient descent） 梯度是期望 计算梯度耗时太长
阅读全文
摘要：循环神经网络（Recurrent Neural Network，简称RNN），通常用于处理序列数据，正如卷积神经网络用于处理网格数据那样。
阅读全文
摘要：1、安装pip 2、安装virtualenv 3、在指定目录创建virtualenv环境 4、激活virtualenv环境 5、关闭virtualenv环境 6、在virtualenv中安装TensorFlow 7、运行第一个TensorFlow程序 参考链接： http://www.tensorf
阅读全文
摘要：反向传播（Back Propagation，简称BP）神经网络
阅读全文
摘要：判别式模型（discriminative model） 生成式模型（generative model） 对于输入x，类别标签y：产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率分布P(y|x)产生式模型可以根据贝叶斯公式得到判别式模型，但反过来不行。
阅读全文
摘要：1、条件概率 P(A|B)表示在事件B已经发生的条件下，事件A发生的概率。计算公式：P(A|B)=P(AB)/P(B)。 2、相互独立事件 对于相互独立事件A和B，它们发生的概率互不影响，P(AB)=P(A)P(B)。 3、贝叶斯定理 P(A|B)=P(A)P(B|A)/P(B) 4、朴素贝叶斯分类
阅读全文
摘要：隐马尔科夫模型（Hidden Markov Model，简称HMM），
阅读全文
摘要：对于一个随机变量x，当我们观察到它的一个具体取值时，我们得到了多少信息呢？如果有人告诉我们一个很不可能发生的事件发生了，我们得到的信息显然要多于我们被告知一个很可能发生的事件发生了。一定会发生的事件，说了跟没说一样，俗称“废话”，不包含信息。因此，信息的量化跟事件发生的概率有关。假设我们用h(x)来
阅读全文
摘要：1、伯努利分布 对于二元随机变量x∈{0, 1}，即x的取值要么是0，要么是1。假设x描述的是扔一枚损坏的硬币的结果（即正反面朝上的概率不一定相等），x=1表示正面朝上，概率为参数μ，即p(x=1 | μ) = μ，其中0≤μ≤1。显然，p(x=0 | μ) = 1-μ。因此，随机变量x关于参数μ的
阅读全文
摘要：PRML
阅读全文
摘要：协同过滤（collaborative filtering，简称CF）是一种常用的推荐算法。
阅读全文
摘要：KNN是一种分类算法，
阅读全文
浙公网安备 33010602011771号