搜索结果
查询Tags标签： boldsymbol，共有 31条记录-
多元统计分析-矩阵复习
矩阵代数 特别性质： 1. 若 \(A_{p\times q}~,~B_{q\times p}\) , 则 \[\left|\boldsymbol{I}_{p}+\boldsymbol{A B}\right|=\left|\boldsymbol{I}_{q}+\boldsymbol{B} \boldsymbol{A}\right| \]证明: \[\begin{array}{c} \because\left[\begin{array}{cc} \boldsymbol{I}…
2022/9/15 23:18:33 人评论 次浏览 -
论文阅读 Dynamic Graph Representation Learning Via Self-Attention Networks
4 Dynamic Graph Representation Learning Via Self-Attention Networks link：https://arxiv.org/abs/1812.09430 Abstract 提出了在动态图上使用自注意力 Conclusion 本文提出了使用自注意力的网络结构用于在动态图学习节点表示。具体地说，DySAT使用（1）结构邻居和（2…
2022/5/5 23:43:11 人评论 次浏览 -
第2章 图论基础
简介 本章将主要介绍以下内容：图的表示 图的性质 复杂图 图上的计算任务图的表示图的定义：一个图可以被表示为\(G = \{V, E\}\)，其中\(V = \{v_1, \dots, v_N\}\)是大小为\(N = |V|\)的节点集合，\(E = \{e_1, \dots, e_M\}\)是大小为\(M\)的边的集合。注意：在没有特殊…
2022/4/2 23:21:11 人评论 次浏览 -
厄米特矩阵（Hermittan Matrix）
1.厄米特矩阵（Hermittan Matrix） 1.1 共轭转置 向量的共轭转置 矩阵的共轭转置 1.2 复向量的长度 实向量的长度 xTx=[x1⋯xn][x1⋮xn]=∣x1∣2+⋯+∣xn∣2\boldsymbol{x}^T\boldsymbol{x}= \begin{bmatrix}x_1\cdots x_n\end{bmatrix} \begin{bmatrix}x_1 \\ \vdots\\…
2022/2/3 23:47:19 人评论 次浏览 -
神经网络与深度学习--读书笔记1
机器学习概述 机器学习中的损失函数平方损失函数交叉熵损失函数Hinge 损失函数最大似然估计与平方损失函数最大似然估计与交叉熵最大似然估计与最大后验估计 正则化关于L2正则化的两点思考 机器学习中评价指标精确率和召回率交叉验证本文是邱锡鹏教授撰写的《神经网络与深…
2021/12/27 23:15:19 人评论 次浏览 -
神经网络与深度学习--读书笔记1
机器学习概述 机器学习中的损失函数平方损失函数交叉熵损失函数Hinge 损失函数最大似然估计与平方损失函数最大似然估计与交叉熵最大似然估计与最大后验估计 正则化关于L2正则化的两点思考 机器学习中评价指标精确率和召回率交叉验证本文是邱锡鹏教授撰写的《神经网络与深…
2021/12/27 23:15:19 人评论 次浏览 -
【机器学习算法】支持向量机入门教程及相关数学推导
文章目录 经典线性二分类算法:支持向量机(SVM)1. SVM进行二分类的基本思想从感知机的缺陷引出SVM最大化分类间隔：SVM提高泛化性的insightSVM的数学本质:带不等式约束的最优化问题化繁为简：化简优化函数的一些tricks练手 2. 将SVM优化函数进行转化2.1 转化为拉格朗日函数…
2021/12/26 1:07:27 人评论 次浏览 -
【机器学习算法】支持向量机入门教程及相关数学推导
文章目录 经典线性二分类算法:支持向量机(SVM)1. SVM进行二分类的基本思想从感知机的缺陷引出SVM最大化分类间隔：SVM提高泛化性的insightSVM的数学本质:带不等式约束的最优化问题化繁为简：化简优化函数的一些tricks练手 2. 将SVM优化函数进行转化2.1 转化为拉格朗日函数…
2021/12/26 1:07:27 人评论 次浏览 -
机器学习（第三章）3.3对数几率回归
机器学习（第三章）3.3对数几率回归 1、对数几率回归的机器学习三要素 1.模型：根据具体问题，确定假设空间——此篇为线性模型，输出值范围为[0,1]，为近似阶跃的单调可微函数； 2.策略：根据评价标准，确定选取最优模型的策略（通常会产生一个“损失函数”）——此篇由最…
2021/11/22 23:40:42 人评论 次浏览 -
机器学习（第三章）3.3对数几率回归
机器学习（第三章）3.3对数几率回归 1、对数几率回归的机器学习三要素 1.模型：根据具体问题，确定假设空间——此篇为线性模型，输出值范围为[0,1]，为近似阶跃的单调可微函数； 2.策略：根据评价标准，确定选取最优模型的策略（通常会产生一个“损失函数”）——此篇由最…
2021/11/22 23:40:42 人评论 次浏览 -
随机游走001 | 什么是好的惩罚函数 (penalty function)？
Question A good penalty function should result in an estimator with three properties:Unbiasedness（无偏性）: The resulting estimator is nearly unbiased when the true unknown parameter is large to avoid unnecessary modeling bias.Sparsity（稀疏性）: The…
2021/11/9 23:40:12 人评论 次浏览 -
随机游走001 | 什么是好的惩罚函数 (penalty function)？
Question A good penalty function should result in an estimator with three properties:Unbiasedness（无偏性）: The resulting estimator is nearly unbiased when the true unknown parameter is large to avoid unnecessary modeling bias.Sparsity（稀疏性）: The…
2021/11/9 23:40:12 人评论 次浏览 -
吃瓜教程|Datawhale-10月（4）
吃瓜教程|Datawhale-10月（4） 神经网络 神经元模型 M-P 神经元模型（一个用来模拟生物行为的数学模型） 在此模型中，神经元接收到来自 n 个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后…
2021/10/28 6:11:46 人评论 次浏览 -
吃瓜教程|Datawhale-10月（4）
吃瓜教程|Datawhale-10月（4） 神经网络 神经元模型 M-P 神经元模型（一个用来模拟生物行为的数学模型） 在此模型中，神经元接收到来自 n 个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后…
2021/10/28 6:11:46 人评论 次浏览 -
矩阵知识小笔记（持续更新）
线性方程的解与矩阵的逆 齐次方程 非齐次方程 Ax=b\boldsymbol{A} \boldsymbol{x} = \boldsymbol{b}Ax=b 如果 A\boldsymbol{A}A 行满秩（即 AAT\boldsymbol{A} \boldsymbol{A}^TAAT 满秩）， 有MMSE解 x=AT(AAT)−1b\boldsymbol{x} = \boldsymbol{A}^T (\boldsymbol{A} \…
2021/10/9 23:40:34 人评论 次浏览
