摘要：
每篇文献写出四个东西 1、解决什么问题？ 2、核心创新是什么？ 3、为什么有效？ 4、对我有什么可迁移价值？ 阅读全文
posted @ 2026-02-15 21:10 steve.z 阅读(2) 评论(0) 推荐(0)
摘要：
GoogLeNet (Inception) 论文解析与代码复现指南 一、核心思想 这篇论文提出了Inception架构（GoogLeNet），核心创新在于： 1. 设计动机 问题：简单增加网络深度和宽度会导致参数激增，容易过拟合且计算量大 解决方案：用稀疏连接的思想，但用密集计算组件来近似实现 2. 阅读全文
posted @ 2026-02-15 09:07 steve.z 阅读(3) 评论(0) 推荐(0)
摘要：
独立同分布(i.i.d.) 引言 独立同分布（Independent and Identically Distributed，简称i.i.d.）是概率论与数理统计体系中最基础、最核心的假设之一，也是机器学习、数据分析、信号处理等领域的底层逻辑基石。无论是经典的参数估计、假设检验，还是深度学习模型的泛 阅读全文
posted @ 2026-02-14 15:48 steve.z 阅读(2) 评论(0) 推荐(0)
摘要：
极大似然估计（MLE） 一、引言 在统计学、机器学习与数据建模领域，我们经常会遇到这样的核心问题：已经采集到一组样本数据，且已知数据服从某一类概率分布，但分布的关键参数未知，如何通过已有的样本，反推出最合理的参数值？ 极大似然估计就是解决这类问题最经典、最常用的方法之一，它广泛应用于线性回归、逻辑回 阅读全文
posted @ 2026-02-14 15:39 steve.z 阅读(10) 评论(0) 推荐(0)
摘要：
Python 广播机制 目录 什么是广播机制 广播的核心规则 广播的实际应用 常见广播场景示例 广播的注意事项与陷阱 什么是广播机制 广播（Broadcasting） 是 NumPy 中一种强大的机制，它允许不同形状的数组之间进行算术运算。在没有广播的情况下，两个数组进行运算必须具有完全相同的形状。 阅读全文
posted @ 2026-02-14 11:10 steve.z 阅读(1) 评论(0) 推荐(0)
摘要：
快速复习：求导、偏导数与链式求导 一、一元函数求导（基础核心） 核心：针对单变量函数 \( y = f(x) \)，求因变量 \( y \) 对自变量 \( x \) 的变化率，记为 \( f'(x) \) 或 \( \frac{dy}{dx} \)。 1. 常用基本导数公式（必记） 常数导数：\( 阅读全文
posted @ 2026-02-13 11:38 steve.z 阅读(5) 评论(0) 推荐(0)
摘要：
链式求导（Chain Rule）的本质是复合函数变化的传递机制——它描述了当多个函数嵌套组合时，输入的微小变化如何通过每一层函数逐层传递、缩放，最终影响到输出。 核心直觉：变化率的"接力赛" 想象一个三层复合函数 \(y = f(g(h(x)))\)： x → [h] → u → [g] → v → 阅读全文
posted @ 2026-02-13 10:47 steve.z 阅读(3) 评论(0) 推荐(0)
摘要：
在数学（微积分）领域，这四个术语的英文翻译如下： 1. 导数 (Derivative) 翻译： Derivative 相关用法： Take the derivative: 求导 First/Second derivative: 一阶/二阶导数 Directional derivative: 方向导数 阅读全文
posted @ 2026-02-12 16:28 steve.z 阅读(6) 评论(0) 推荐(0)
摘要：
RAG、MCP、Skills 技术指南 一、RAG (Retrieval-Augmented Generation) 什么是 RAG? RAG 是一种增强型生成技术,它将检索系统与大语言模型结合起来。简单来说,RAG 让 AI 在回答问题时,不仅依赖训练数据,还能从外部知识库中检索相关信息,然后基于 阅读全文
posted @ 2026-02-12 15:59 steve.z 阅读(29) 评论(0) 推荐(0)
浙公网安备 33010602011771号