IP属地：重庆
-
特征值分解和奇异值分解1.特征值分解 特征值和特征向量的定义如下： 其中A是一个 n×n 的矩阵，x 是一个 n 维向量，则我们说λ是矩阵 A 的一个特征值， 而 x...
-
梯度下降和牛顿法
这里主要讨论梯度下降法和牛顿法的原理 1.梯度下降法 形式：，其中为损失函数，为模型参数 下面将推导这一形式的由来. 首先，需要用到多元函数的一...
-
卷积神经网络的反向传播1.DNN的反向传播 首先回顾深度神经网络（DNN）的反向传播 forward： Loss Function: backward: w的梯度： ...
-
Glove 原理详细解读本文主要对《GloVe: Global Vectors for Word Representation》进行解读。 尽管word2vector在...
-
Word2vec原理详细解读0. 预备知识 Softmax函数： 哈夫曼树(Huffman Tree) 1.Skip-gram 从图1可以看出Skip-gram就是用当...
-
BatchNormalization和LayerNormalization神经网络中有各种归一化算法：Batch Normalization (BN)、Layer Normalization (LN)、Instance...
-
logistic 回归基本理论 logistic回归的总体思路：线性回归→(激活函数)→线性分类 激活函数即sigmoid函数，即 logistic回归模型表达式： ...
-
向量的范数
向量的范数是一个标量范数为： 特别地： 0范数为向量中非零元素的个数 1范数为向量元素的绝对值相加 2范数为向量元素的平方和再开方，即高中数学中...
-
矩阵和向量的乘法---点乘、叉乘、内积、外积、数乘、哈达玛积、克罗内克积向量的数乘：用一个数乘以向量中的每个元素 向量的内积：等于对应位置相乘再相加，两个向量的内积的结果是变成一个标量（也叫点乘） 向量的外积：叉乘的...