<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Artifact1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Artifact1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Artifact1]]></copyright><item><title><![CDATA[解决RoboWare_Studio代码显示不清楚的问题]]></title><link>https://blog.youkuaiyun.com/Artifact1/article/details/123050215</link><guid>https://blog.youkuaiyun.com/Artifact1/article/details/123050215</guid><author>Artifact1</author><pubDate>Mon, 21 Feb 2022 16:35:08 +0800</pubDate><description><![CDATA[方法：

1. 安装gnome-tweak-tool

2. 安装过程中发现无此包，原因是国内清华的源没有；

3. 打开 software &amp; update, 修改Downfrom internet选项，添加一个官方的源；

4. 然后 sudo apt-get update

5. 然后下载 sudo apt-get install gnome-tweak-tool

6. 打开终端运行 gonme-tweaks

7. 调整字体中抗锯齿，由subpixel修改为standard

8. 重..]]></description><category></category></item><item><title><![CDATA[矩阵求导解析（内含最小二乘法解的例子分析）]]></title><link>https://blog.youkuaiyun.com/Artifact1/article/details/80826314</link><guid>https://blog.youkuaiyun.com/Artifact1/article/details/80826314</guid><author>Artifact1</author><pubDate>Wed, 27 Jun 2018 11:19:42 +0800</pubDate><description><![CDATA[原文链接https://blog.youkuaiyun.com/nomadlx53/article/details/50849941前提及说明第一次遇见矩阵求导，大多数人都是一头雾水，而搜了维基百科看也还是云里雾里，一堆的名词和一堆的表格到底都是什么呢？这里总结了我个人的学习经验，并且通过一个例子可以让你感受如何进行矩阵求导，下次再遇到需要进行矩阵求导的地方就不会措手不及。在进行概念的解说之前，首先大家需要先...]]></description><category></category></item><item><title><![CDATA[Fisher information（费雪信息）和费雪信息矩阵]]></title><link>https://blog.youkuaiyun.com/Artifact1/article/details/80731417</link><guid>https://blog.youkuaiyun.com/Artifact1/article/details/80731417</guid><author>Artifact1</author><pubDate>Tue, 19 Jun 2018 17:20:18 +0800</pubDate><description><![CDATA[费雪信息在数理统计学，费雪信息 (有时简称为 信息)是一种度量随机变量 X 所含有的关于其自身随机分布函数的未知参数 θ 的信息量。严格地说，它是分数对方差或观测信息的期望值。Fisher信息在最大似然估计量的大样本分布中地位是由统计学家罗纳德*费雪推广的(通过发展弗朗西斯*伊西德罗*埃奇沃思（Francis Ysidro Edgeworth)的初步结果)。费雪信息矩阵是可以用来计算最大似然估计量...]]></description><category></category></item><item><title><![CDATA[似然函数以及最大似然估计]]></title><link>https://blog.youkuaiyun.com/Artifact1/article/details/80707268</link><guid>https://blog.youkuaiyun.com/Artifact1/article/details/80707268</guid><author>Artifact1</author><pubDate>Fri, 15 Jun 2018 16:50:14 +0800</pubDate><description><![CDATA[在数理统计学中，似然函数是一种关于统计模型中的参数的函数，表示模型参数中的似然性。似然函数在统计推断中有重大作用，如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性”或“概率”意思相近，都是指某种事件发生的可能性，但是在统计学中，“似然性”和“或然性”或“概率”又有明确的区分。概率用于在已知一些参数的情况下，预测接下来的观测所得到的结果，而似然性则是用于在已知某些观测所得到的结果时，对...]]></description><category></category></item></channel></rss>