Reader2号-CSDN博客

原创自回归模型的LMS学习曲线-神经网络与机器学习笔记3

对于自回归模型x(n)=ax(n−1)+ϵ(n)x(n)=ax(n-1)+\epsilon(n) a=0.99a=0.99, σ2ϵ=0.02\sigma_\epsilon^2=0.02,σ2x=0.995\sigma_x^2=0.995 利用这个模型参数一组标准数据，然后使用LMS方法求解这个模型中的参数a 为了得到LMS学习曲线，我们将求解过程重复100次，并且每次产生不同的标准数据用于求

2016-12-08 21:41:30 3029

原创正则化最小二乘法——神经网络与机器学习笔记2

参考Andrew Ng 公开课的推导一些公式trA=∑ni=1AiitrA=\sum_{i=1}^nA_{ii} trAB=trBAtrAB=trBA trABC=trCBA=trBCAtrABC=trCBA=trBCA trA=trATtrA=trA^T if a∈Ra\in R, tra=atra=a ∇AtrAB=BT\nabla_AtrAB=B^T ∇AtrABATC=CAB+C

2016-11-24 10:31:50 1988

原创一些向量求导公式

一些向量求导公式参考《关于向量求导的一些公式》，刘昌红，刘瑞元 1.xT=[x1,...,xn],aT=[a1,...,an]\mathbf x^T=[x_1,...,x_n], \mathbf a^T = [a_1,...,a_n] ∂(aTx)m∂x=m(aTx)m−1a\frac{\partial(\mathbf a^T\mathbf x)^m}{\partial \mathbf x} =

2016-11-21 16:16:00 1351

原创 Rosenblatt感知机-神经网络与机器学习笔记1

一、Rosenblatt感知机小结感知机模型输入向量：x(n)=[+1,x1(n),x2(n),...,xm(n)]Tx(n)=[+1,x_1(n),x_2(n),...,x_m(n)]^T 权重向量：w(n)=[b,w1(n),w2(n),...wm(n)]Tw(n)=[b,w_1(n),w2(n),...w_m(n)]^T 当输入向量线性可分时，我们需要寻找到一个合适的w，正确地分开

2016-11-17 15:35:18 660

原创 strassen方法求任意行列数的矩阵乘法

strassen方法求任意行列数的矩阵乘法

2016-10-26 00:34:14 763

原创 C++类成员中包含其他类时的初始化问题

当A中包含B类时，B在什么时候初始化呢？例如：#includeusing namespace std;class A{public: A() { cout << "A is constructed!" << endl; }};class B{private: A a;public: B() { a = A(); cout << "B is cons

2016-09-30 19:10:05 7414 2

转载 SVD分解算法及其应用

原文 http://elevencitys.com/?p=3923矩阵的奇异值分解在矩阵理论的重要性不言而喻，它在最优化问题、特征值问题、最小乘方问题、广义逆矩阵问,统计学,图像压缩等方面都有十分重要的应用。定义：设A为m*n阶矩阵， A H A 的n个特征值的非负平方根叫作A的奇异值。记为 σ i (A)。 > 如果把A H A的特征值记为λ i (A)，则σ i (A)＝ λ

2016-07-11 13:46:12 980

In the 1990s, a new type of learning algorithm was developed, based on results from statistical learning theory: the Support Vector Machine (SVM). This gave rise to a new class of theoretically elegant learning machines that use a central concept of SVMs -- -kernels--for a number of learning tasks. Kernel machines provide a modular framework that can be adapted to different tasks and domains by the choice of the kernel function and the base algorithm. They are replacing neural networks in a variety of fields, including engineering, information retrieval, and bioinformatics.Learning with Kernels provides an introduction to SVMs and related kernel methods. Although the book begins with the basics, it also includes the latest research. It provides all of the concepts necessary to enable a reader equipped with some basic mathematical knowledge to enter the world of machine learning using theoretically well-founded yet easy-to-use kernel algorithms and to understand and apply the powerful algorithms that have been developed over the last few years.

2017-11-30

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

jinjgkfadfaf的博客

原创自回归模型的LMS学习曲线-神经网络与机器学习笔记3

原创正则化最小二乘法——神经网络与机器学习笔记2

原创一些向量求导公式

原创 Rosenblatt感知机-神经网络与机器学习笔记1

原创 strassen方法求任意行列数的矩阵乘法

原创 Strassen方法求矩阵乘法

原创求均值和均方差不溢出的方法

原创 C++类成员中包含其他类时的初始化问题

转载 SVD分解算法及其应用

learning with kernels

Numerical.Recipes 3rd edition.pdf

Neural Networks A Comprehensive Foundation

programming windows with MFC

空空如也