【人工智能的数学基础】多目标优化的帕累托最优(Pareto Optimality)

相关文章

• 人工智能中的数学基础

  2023年09月11日

  浏览(58)

• 人工智能之数学基础【最小二乘法】

  原理 最小二乘法由勒让德（A.M.Legendre）于1805年在其著作《计算彗星轨道的新方法》中提出，主要思想是最小化误差二次方和寻找数据的最佳匹配函数，利用最小二乘法求解未知参数，使得理论值与观测值之差（即误差，或称为残差）的二次方和达到最小，即： E = ∑ i = 1 n

  2024年02月21日

  浏览(49)

• 人工智能之数学基础【共轭梯度法】

  简述 共轭梯度法是利用目标函数的梯度逐步产生 共轭方向 并将其作为搜索方向的方法。 共轭梯度法是针对二次函数 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 无约束优化问题 。此方法具有 存储变量少 和 收敛速

  2024年02月20日

  浏览(50)

• 【人工智能的数学基础】泰勒公式(Taylor Formula)

  Taylor Formula. 本文目录： 泰勒公式 Taylor Formula 余项 Remainder 泰勒公式的应用：Hard-Sigmoid与Hard-Tanh 泰勒公式(Taylor Formula) 是将一个复杂函数用一个 多

  2024年02月08日

  浏览(51)

• 【人工智能的数学基础】函数的光滑化(Smoothing)

  2024年02月07日

  浏览(54)

• 【人工智能】AI写作能力大比拼：《人工智能的数学基础》写下这本书的目录。

  《人工智能的数学基础》 第一章 人工智能与数学基础 1.1 人工智能简介 1.2 数学在人工智能中的作用 1.3 本书内容概述 第二章 线性代数基础 2.1 向量与矩阵 2.2 行列式与矩阵计算 2.3 线性方程组 2.4 矩阵分解与特征值分析 第三章 微积分基础 3.1 导数与微分 3.2 积分学基础 3.3 常

  2024年02月09日

  浏览(67)

• 【人工智能的数学基础】二进制乘法的Mitchell近似

  使用Mitchell近似构造加法神经网络. paper：Deep Neural Network Training without Multiplications arXiv：link 本文通过 Mitchell 近似算法将乘法运算转变为加法运算，从而降低了神经网络中的乘法的运算量。 Mitchell 近似是一种在二进制下近似的 快速对数 和 指数 计算方法。对于一个十进制的非

  2024年02月08日

  浏览(45)

• 【人工智能的数学基础】使用Mitchell近似构造加法神经网络

  使用Mitchell近似构造加法神经网络. paper：Deep Neural Network Training without Multiplications arXiv：link 本文通过 Mitchell 近似算法将乘法运算转变为加法运算，从而降低了神经网络中的乘法的运算量。 Mitchell 近似是一种在二进制下近似的 快速对数 和 指数 计算方法。对于一个十进制的非

  2024年02月07日

  浏览(77)

• 【人工智能的数学基础】局部敏感哈希(Locality Sensitive Hashing)

  2023年10月30日

  浏览(61)

• 【人工智能的数学基础】积分概率度量(Integral Probability Metric)

  Integral Probability Metric. 积分概率度量( integral probability metrics, IPM )用于衡量两个概率分布

  2024年02月07日

  浏览(46)