深度学习笔记之线性代数

相关文章

• 

  动手学深度学习4 线性代数

  视频 ：https://www.bilibili.com/video/BV1eK4y1U7Qy/?spm_id_from=autoNextvd_source=eb04c9a33e87ceba9c9a2e5f09752ef8 课件 ：https://courses.d2l.ai/zh-v2/assets/pdfs/part-0_5.pdf 本节主要是介绍线性代数中 向量 矩阵的一些定义及计算规则。 1. 简单操作 一些简单的数学公式。 c = a + b c = a · b c = sin a 2. 标量的长度

  2024年02月01日

  浏览(30)

• 深度学习-必备的数学知识-线性代数5

  线性代数 在数学中，分解通常指的是将一个复杂的对象或结构分解为更简单的部件或组件。这个概念在许多数学领域都有应用。在线性代数中，矩阵分解是常见的一个主题，我们通过分解矩阵来发现它不明显的性质。 矩阵有许多种的分解方式：LU分解、QR分解、特征分解、奇

  2024年02月02日

  浏览(55)

• 深度学习-必备的数学知识-线性代数（合集）

  为方便大家阅读，这里推出一个线性代数的合集。这与之前的内容是一致的。 我们在深度学习-简介和 深度学习-历史背景中已经初步了解的深度学习。在我们开始学习深度学习前还需要做些准备工作。就是学习应用数学和机器学习基础。 想要理解深度学习这些是必不可少的

  2024年02月03日

  浏览(35)

• 深度学习-必备的数学知识-线性代数6

  线性代数 通过伪逆求解线性方程组 伪逆，又称为Moore-Penrose逆，它是一种广义的矩阵。我们可以找到任意一个矩阵的伪逆。矩阵 A mathbf{A} A 的伪逆定义为： A + = lim ⁡ x → 0 ( A T A + α I ) − 1 A T mathbf{A}^+=lim_{x to 0}(mathbf{A}^Tmathbf{A}+alphamathbf{I})^{-1}mathbf{A}^T A + = x → 0 lim ​

  2024年01月18日

  浏览(40)

• 深度学习-必备的数学知识-线性代数-1

  我们在深度学习-简介和 深度学习-历史背景中已经初步了解的深度学习。在我们真正开始学习深度学习前还需要做些准备工作。那就是学习应用数学和机器学习基础。想要理解深度学习这些是必不可少的。 我将在这篇文章中为大家介绍一部分与深度学习有关的线性代数。 我

  2024年02月05日

  浏览(29)

• 深度学习基础知识（三）-线性代数的实现

  1.标量使用 标量由只有一个元素的张量表示,标量可以做最简单的计算。 结果： 2.向量使用 向量：将标量值组成的列表就是向量 结果： 访问张量的长度 只有一个轴的张量，形状只有一个元素 创建一个二维矩阵5行4列，然后将矩阵做转置，轴对称的一个转置 结果：其实就是把

  2024年02月10日

  浏览(40)

• 线性代数：齐次线性方程组学习笔记

  齐次线性方程组是指所有方程的常数项均为零的线性方程组，即形如 A x = 0 Ax=0 A x = 0 的方程组。 其中，矩阵 A A A 是一个 m × n m times n m × n 的矩阵，向量 x x x 是一个 n n n 维列向量， 0 mathbf{0} 0 是一个 m m m 维零向量。 齐次线性方程组有以下性质： 1. 性质1 齐次线性方程组的

  2024年01月20日

  浏览(35)

• 深度学习的数学基础：从线性代数到随机过程

  深度学习是人工智能领域的一个重要分支，它主要通过模拟人类大脑中的神经网络来进行数据处理和学习。深度学习的核心技术是神经网络，神经网络由多个节点组成，这些节点之间有权重和偏置的连接。通过对这些节点进行训练，我们可以使神经网络具有学习和推理的能力

  2024年03月18日

  浏览(76)

• 线性代数：增广矩阵学习笔记

  定义 对于一个 n × m ntimes m n × m 的矩阵 A = [ a i j ] A=[a_{ij}] A = [ a ij ​ ] ，我们可以在它的右边加上一个 n × 1 ntimes1 n × 1 的列向量 b b b ，得到一个 n × ( m + 1 ) ntimes(m+1) n × ( m + 1 ) 的矩阵 [ A ∣ b ] begin{bmatrix} A bigl| bend{bmatrix} [ A ​ ​ ​ b ​ ] ，这个矩阵被称为 A A A 的

  2024年02月05日

  浏览(44)

• 线性代数：正交变换学习笔记

  在线性代数中，如果一个矩阵 A A A 满足 A T A = A A T = I A^T A = A A^T = I A T A = A A T = I ，则称其为正交矩阵。正交矩阵也常被称为正交变换。 正交变换是线性变换的一种特殊形式，它不改变向量的长度和夹角。因此，它可以用来描述旋转、镜像等几何变换。 正交矩阵有以下性质：

  2024年02月03日

  浏览(40)