码迷,mamicode.com
首页 >  
搜索关键字:线性代数    ( 930个结果
人工智能数学基础之高等数学(持续更新)
引言 不懂数学是学不好人工智能的,本系列文章就汇总了人工智能所需的数学知识。本文是高等数学篇。 另有线代篇和概率论篇。 人工智能数学基础之概率论 人工智能数学基础之线性代数(持续更新) 函数与极限 函数 \(y = f(x)\) ,x是函数f的自变量,y是因变量 函数极限 \(\lim\limits ...
分类:其他好文   时间:2021-07-19 16:42:48    阅读次数:0
数据可视化基础专题(51):NUMPY基础(16)numpy 函数 (五)线性代数
NumPy 提供了线性代数函数库 linalg,该库包含了线性代数所需的所有功能,可以看看下面的说明: 函数描述 dot 两个数组的点积,即元素对应相乘。 vdot 两个向量的点积 inner 两个数组的内积 matmul 两个数组的矩阵积 determinant 数组的行列式 solve 求解线性 ...
分类:其他好文   时间:2021-07-05 18:13:46    阅读次数:0
推荐2
jblas java 线性代数相关的库 今天晚上这个必须看完 顺便把那个sboot看完一部分 log4j ES更多的是查询 9200 对于ES的操作 ,就是发送 http请求 查询当前es的索引: Date这个是以毫秒为单位的 .distinct()去重 自带的 train的参数: .norm2() ...
分类:其他好文   时间:2021-06-16 18:18:47    阅读次数:0
干货来袭!3天0基础Python实战项目快速学会人工智能必学数学基础全套(含源码)(第1天)线性代数篇:矩阵、向量及python实战
现在各种关于人工智能数学基础的教学视频或资料,讲的内容都太广,缺少重点,且不涉及编程实战,更不可能把数学知识与人工智能关联起来。 博主重新拿起10年前本科、研究生学习的课程,结合自己多年的人工智能实战经验与python编程技巧,给大家重点从三大数学知识进行讲解,紧扣数学知识与AI实战的关系,实现数学... ...
分类:编程语言   时间:2021-05-24 06:27:23    阅读次数:0
线性基小记
u1s1 这是我第三次学这个东西了,第一次大约是去年三月,第二次大约是去年暑假,事实证明那时候并没有把这东西真正学进去因为我那时并没有真正理解线性基的本质,现在学完高斯消元,学完线性代数的一些基本芝士再回来看这东西就感觉异常友好了( 一些有关线性代数的前置芝士 向量 一个 \(n\) 维向量是一个 ...
分类:其他好文   时间:2021-04-02 13:18:35    阅读次数:0
线性代数(最小割,最大密度子图,TJOI2015)
题意 给出一个 \(N \times N\) 的矩阵 \(B\) 和一个 \(1\times N\) 的矩阵 \(C\)。 求出一个 \(1 \times N\) 的 \(01\) 矩阵 \(A\),使得 $D = (A \times B?C)×A^T$最大。 输出 \(D\)。 思路 先对式子进行 ...
分类:其他好文   时间:2021-02-18 13:58:55    阅读次数:0
剑指 Offer 58 - II. 左旋转字符串
题意 把字符串前面的若干个字符转移到字符串的尾部,要求只用一个函数实现 思路 利用线性代数中的矩阵求逆的思想:\((AB)^{-1} = B^{-1}A^{-1}\) 定义一个函数reverse(s, l, r),将字符串s的[l, r]区间内的元素逆置,比如abc变为cba,这个reverse() ...
分类:其他好文   时间:2021-02-16 12:14:14    阅读次数:0
P3973 [TJOI2015]线性代数 最小割
题意: 戳这里 分析: \[ D=\sum_{j=1}^nA_{1,j}\times (\sum_{i=1}^nA_{1,i}B_{i,j}-C_{1,j}) \] 我们观察式子可以发现 \(B_{i,j}\) 会被选当且仅当 \(A_{1,i},A_{1,j}\) 都为 1,\(-C_{1,j}\ ...
分类:其他好文   时间:2021-02-09 11:54:55    阅读次数:0
Swap HDU - 2819
原题链接 考察:二分图匹配+线性代数(?) 完全是参考大佬的思路: 根据线性代数的知识,如果矩阵的对角线全为1,说明该矩阵的秩是满的,而初等变换(交换行或者列)不改变矩阵的秩,因此行变换可由列变换代替,其实这道题感觉是在求矩阵的秩,行列变换同时进行会改变矩阵的秩,因此这道题只用行变换或者列变换即可 ...
分类:其他好文   时间:2021-01-25 11:35:38    阅读次数:0
线性代数应该这样讲(三)-向量2范数与模型泛化
在线性代数(一)中,小夕主要讲解了映射与矩阵的关系;在线性代数(二)中,小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数,他们在机器学习任务中是最常用,有时甚至是核心的东西哦。首先,来一个俗俗的开篇。向量x的p范数表示如下:由此,p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。二范数相信大家在大一学线性代数的时候就已经被灌输了“用
分类:其他好文   时间:2020-12-29 11:49:08    阅读次数:0
930条   1 2 3 4 ... 93 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!