搜索结果
查询Tags标签： boldsymbol，共有 31条记录-
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 -
www21推荐系统之点击原因分解：用户兴趣和一致性（流行度）Disentangling User Interest and Conformity for Recommendation with Cau
Disentangling User Interest and Conformity for Recommendation with Causal Embedding http://staff.ustc.edu.cn/~hexn/papers/www21-dice.pdf背景 本文依旧是利用因果推断相关理论进行推荐系统纠偏的一篇文章，相关详细例子可以前往deconfounded中的“举个栗子”进行…
2021/10/6 23:13:36 人评论 次浏览 -
www21推荐系统之点击原因分解：用户兴趣和一致性（流行度）Disentangling User Interest and Conformity for Recommendation with Cau
Disentangling User Interest and Conformity for Recommendation with Causal Embedding http://staff.ustc.edu.cn/~hexn/papers/www21-dice.pdf背景 本文依旧是利用因果推断相关理论进行推荐系统纠偏的一篇文章，相关详细例子可以前往deconfounded中的“举个栗子”进行…
2021/10/6 23:13:36 人评论 次浏览 -
数值计算：线性方程组的静态迭代解法
对于线性方程组的迭代求解方法可以分为两类，静态迭代方法与非静态迭代方法，两者区别在于，前者构造简单，迭代步长与方向恒定，但是收敛条件限制较大，收敛速度较慢。而非静态方法构造格式更复杂，收敛速度更快。本文主要记录静态迭代方法 静态迭代法 考虑以下线性方程组…
2021/10/3 23:13:14 人评论 次浏览 -
数值计算：线性方程组的静态迭代解法
对于线性方程组的迭代求解方法可以分为两类，静态迭代方法与非静态迭代方法，两者区别在于，前者构造简单，迭代步长与方向恒定，但是收敛条件限制较大，收敛速度较慢。而非静态方法构造格式更复杂，收敛速度更快。本文主要记录静态迭代方法 静态迭代法 考虑以下线性方程组…
2021/10/3 23:13:14 人评论 次浏览 -
第七章：网络优化与正则化(Part2)
7.3 参数初始化神经网络的参数学习是一个非凸优化问题．当使用梯度下降法来进行优化网络参数时，参数初始值的选取十分关键，关系到网络的优化效率和泛化能力．梯度下降法需要在开始训练时给每一个参数赋一个初始值。初始化为0 : 对称权重问题 所有参数为 0 $\longrightar…
2021/8/30 6:06:17 人评论 次浏览 -
第七章：网络优化与正则化(Part2)
7.3 参数初始化神经网络的参数学习是一个非凸优化问题．当使用梯度下降法来进行优化网络参数时，参数初始值的选取十分关键，关系到网络的优化效率和泛化能力．梯度下降法需要在开始训练时给每一个参数赋一个初始值。初始化为0 : 对称权重问题 所有参数为 0 $\longrightar…
2021/8/30 6:06:17 人评论 次浏览 -
【牛顿-莱布尼茨公式的n维推广】外微分公式、斯托克斯公式、广义斯托克斯公式
目录0、前言&引子0.1、本文要求的预备知识0.2、牛顿-莱布尼茨公式0.3、格林公式0.4、高斯公式0.5、斯托克斯公式0.6、广义斯托克斯公式（牛顿莱布尼茨公式的推广）1、记号说明1.1、求边界记号∂Ω的含义1.2、流形1.3、楔形积(dx∧dy)=-(dy∧dx)1.4、外微分记号dω的含…
2021/8/1 23:37:19 人评论 次浏览 -
【牛顿-莱布尼茨公式的n维推广】外微分公式、斯托克斯公式、广义斯托克斯公式
目录0、前言&引子0.1、本文要求的预备知识0.2、牛顿-莱布尼茨公式0.3、格林公式0.4、高斯公式0.5、斯托克斯公式0.6、广义斯托克斯公式（牛顿莱布尼茨公式的推广）1、记号说明1.1、求边界记号∂Ω的含义1.2、流形1.3、楔形积(dx∧dy)=-(dy∧dx)1.4、外微分记号dω的含…
2021/8/1 23:37:19 人评论 次浏览 -
未标注目标语料是否均适合用于跨语言学习?『基于对抗判别器高效利用未标注语料的跨语言NER算法AdvPicker』
本文公式较多，建议转至博客阅读 (再过几个小时今年的 ACL 就要来了，赶在 ddl 之前， 简单介绍一下韦乐，我，千惠，Brje，Yi Guan 等人在 ACL21 上的这篇工作。 AdvPicker: Effectively Leveraging Unlabeled Data via Adversarial Discriminator for Cross-Lingual NER…
2021/8/1 22:07:35 人评论 次浏览 -
未标注目标语料是否均适合用于跨语言学习?『基于对抗判别器高效利用未标注语料的跨语言NER算法AdvPicker』
本文公式较多，建议转至博客阅读 (再过几个小时今年的 ACL 就要来了，赶在 ddl 之前， 简单介绍一下韦乐，我，千惠，Brje，Yi Guan 等人在 ACL21 上的这篇工作。 AdvPicker: Effectively Leveraging Unlabeled Data via Adversarial Discriminator for Cross-Lingual NER…
2021/8/1 22:07:35 人评论 次浏览 -
python机器学习数学基础
Lab 1: Python exercises for COMP24111 1. Instruction There are a total of 12 exercises. You are asked to complete all of them. Print out the final results, and comment if needed. Make sure your results can be reproduced by your TA using Restart & …
2021/8/1 9:35:53 人评论 次浏览 -
python机器学习数学基础
Lab 1: Python exercises for COMP24111 1. Instruction There are a total of 12 exercises. You are asked to complete all of them. Print out the final results, and comment if needed. Make sure your results can be reproduced by your TA using Restart & …
2021/8/1 9:35:53 人评论 次浏览 -
基于正态过程搜索和差分进化算法的改进樽海鞘群算法
文章目录 一、理论基础1、樽海鞘群算法2、改进樽海鞘群算法（1）算法组成<1> Ⅰ型领导者<2> 交叉跟随者<3> Ⅱ型领导者<4> 跟随者<5> 变异者 （2）TTLSSA的流程二、仿真实验与分析1、参数设置2、结果分析 三、参考文献四、Matlab仿真程序一…
2021/6/13 22:21:06 人评论 次浏览 -
GMM\EM算法详解——附代码示例
目录 潜（隐)变量模型K-meansGMM模型GMM模型参数估计的EM算法总结GMM模型和K-means的联系 EM算法使用EM算法通用步骤重新考虑GMM参数估计EM算法通用解释代码地址：6.1公布 笔者能力有限，如有错误请指正！感谢您的阅读！潜（隐)变量模型 观测变量：直接观测的数据 潜变量：…
2021/5/23 22:25:53 人评论 次浏览
