相關(guān)文章

• 人工智能之數(shù)學基礎(chǔ)【牛頓法】

  簡述 牛頓法常用來求解無約束非線性規(guī)劃問題，它利用目標函數(shù)的二次泰勒展開式構(gòu)造搜索方向。 無約束非線性規(guī)劃問題 ： m i n f ( x ) , x ∈ R n min f(x),quad x in R^n min f ( x ) , x ∈ R n 。如果目標函數(shù) f ( x ) f(x) f ( x ) 在 R n R^n R n 上具有 連續(xù)的二階偏導數(shù) ，其中 Hessian矩陣正定

  2024年02月20日

  瀏覽(25)

• 人工智能之數(shù)學基礎(chǔ)【最小二乘法】

  原理 最小二乘法由勒讓德（A.M.Legendre）于1805年在其著作《計算彗星軌道的新方法》中提出，主要思想是最小化誤差二次方和尋找數(shù)據(jù)的最佳匹配函數(shù)，利用最小二乘法求解未知參數(shù)，使得理論值與觀測值之差（即誤差，或稱為殘差）的二次方和達到最小，即： E = ∑ i = 1 n

  2024年02月21日

  瀏覽(28)

• 人工智能之數(shù)學基礎(chǔ)【共軛梯度法】

  簡述 共軛梯度法是利用目標函數(shù)的梯度逐步產(chǎn)生 共軛方向 并將其作為搜索方向的方法。 共軛梯度法是針對二次函數(shù) f ( x ) = 1 2 x T Q x + b T x + c , x ∈ R n f(x)=frac{1}{2}x^TQx+b^Tx+c,x in R^n f ( x ) = 2 1 ? x T Q x + b T x + c , x ∈ R n 的 無約束優(yōu)化問題 。此方法具有 存儲變量少 和 收斂速

  2024年02月20日

  瀏覽(30)

• 【人工智能的數(shù)學基礎(chǔ)】函數(shù)的光滑化(Smoothing)

  2024年02月07日

  瀏覽(28)

• 【人工智能的數(shù)學基礎(chǔ)】泰勒公式(Taylor Formula)

  Taylor Formula. 本文目錄： 泰勒公式 Taylor Formula 余項 Remainder 泰勒公式的應(yīng)用：Hard-Sigmoid與Hard-Tanh 泰勒公式(Taylor Formula) 是將一個復(fù)雜函數(shù)用一個 多

  2024年02月08日

  瀏覽(33)

• 【人工智能】AI寫作能力大比拼：《人工智能的數(shù)學基礎(chǔ)》寫下這本書的目錄。

  《人工智能的數(shù)學基礎(chǔ)》 第一章 人工智能與數(shù)學基礎(chǔ) 1.1 人工智能簡介 1.2 數(shù)學在人工智能中的作用 1.3 本書內(nèi)容概述 第二章 線性代數(shù)基礎(chǔ) 2.1 向量與矩陣 2.2 行列式與矩陣計算 2.3 線性方程組 2.4 矩陣分解與特征值分析 第三章 微積分基礎(chǔ) 3.1 導數(shù)與微分 3.2 積分學基礎(chǔ) 3.3 常

  2024年02月09日

  瀏覽(30)

• 【人工智能的數(shù)學基礎(chǔ)】二進制乘法的Mitchell近似

  使用Mitchell近似構(gòu)造加法神經(jīng)網(wǎng)絡(luò). paper：Deep Neural Network Training without Multiplications arXiv：link 本文通過 Mitchell 近似算法將乘法運算轉(zhuǎn)變?yōu)榧臃ㄟ\算，從而降低了神經(jīng)網(wǎng)絡(luò)中的乘法的運算量。 Mitchell 近似是一種在二進制下近似的 快速對數(shù) 和 指數(shù) 計算方法。對于一個十進制的非

  2024年02月08日

  瀏覽(33)

• 【人工智能的數(shù)學基礎(chǔ)】局部敏感哈希(Locality Sensitive Hashing)

  2023年10月30日

  瀏覽(25)

• 【人工智能的數(shù)學基礎(chǔ)】積分概率度量(Integral Probability Metric)

  Integral Probability Metric. 積分概率度量( integral probability metrics, IPM )用于衡量兩個概率分布

  2024年02月07日

  瀏覽(29)

• 【人工智能的數(shù)學基礎(chǔ)】使用Mitchell近似構(gòu)造加法神經(jīng)網(wǎng)絡(luò)

  使用Mitchell近似構(gòu)造加法神經(jīng)網(wǎng)絡(luò). paper：Deep Neural Network Training without Multiplications arXiv：link 本文通過 Mitchell 近似算法將乘法運算轉(zhuǎn)變?yōu)榧臃ㄟ\算，從而降低了神經(jīng)網(wǎng)絡(luò)中的乘法的運算量。 Mitchell 近似是一種在二進制下近似的 快速對數(shù) 和 指數(shù) 計算方法。對于一個十進制的非

  2024年02月07日

  瀏覽(27)