- 博客(11)
- 收藏
- 关注
RSS订阅原创 Linux 磁盘操作
查看分区创建文件系统ext4文件系统xfs文件系统btrfs文件系统查看文件系统信息挂载分区至文件夹（挂载/dev/vdb2至/mnt文件夹）查看目前数据盘空间和使用情况df -h。
2025-05-23 21:45:40
374
1
原创 信息论与熵
特征编码是机器学习中处理分类变量的重要技术，主要包括直接编码、One-hot编码和Dummy编码。直接编码将类别映射为整数，而One-hot编码则通过二进制向量表示类别，Dummy编码则去除One-hot编码的第一位以简化表示。特征降维通过聚类和特征选择等方法减少数据维度，提高计算效率并去除噪声。自编码器通过编码和解码过程学习数据特征，包括欠完备、稀疏和收缩自编码器。信息熵用于衡量不确定性，联合熵和条件熵分别描述多个变量的联合不确定性和条件不确定性。交叉熵和KL散度用于衡量两个概率分布之间的差异，互信息则衡
2025-05-19 15:06:24
731
原创 人工智能数学基础：函数与泛函分析
本文主要探讨了Hessian矩阵与函数凸性的关系，以及凸集分离定理、凸函数的成立条件、散度、密切圆与曲率、激活函数、泛函、函数特征值与特征函数等数学概念。Hessian矩阵由函数的二阶偏导数组成，用于判断函数的凸性。凸集分离定理指出两个不相交的凸集可用超平面分离。凸函数的成立条件包括一阶条件、二阶条件和Jensen不等式。散度描述了向量场的发散程度，密切圆与曲率则用于描述曲线的局部性质。激活函数如Sigmoid、tanh和Relu在神经网络中广泛应用。泛函是以函数为自变量的函数，函数特征值与特征函数则用于分
2025-05-18 14:12:34
1130
原创 人工智能数学基础：条件概率与贝叶斯
本文介绍了协方差矩阵和相关系数矩阵的定义，并详细讨论了常见的概率分布，包括二项分布、泊松分布、指数分布、伽马分布、贝塔分布、高斯分布及其变形（如多元高斯分布、卡方分布、t分布和F分布）等。此外，文章还涉及贝叶斯决策理论，包括贝叶斯公式、连续型贝叶斯公式、朴素贝叶斯分类以及最小错误率贝叶斯决策。这些内容为理解统计学中的概率分布和贝叶斯决策提供了基础。
2025-05-18 14:10:44
662
原创 人工智能数学基础：相似性度量
摘要：本文介绍了多种距离度量方法，包括闵氏距离、曼哈顿距离、欧氏距离、切比雪夫距离、马氏距离、余弦距离、汉明距离、杰卡德距离、皮尔森距离、斯皮尔曼距离和肯德尔距离。每种距离度量方法都有其特定的定义和适用场景，例如闵氏距离是曼哈顿距离和欧氏距离的推广，马氏距离考虑了数据的协方差结构，而余弦距离则用于衡量向量之间的夹角。这些距离度量方法在数据分析和机器学习中广泛应用，用于评估样本之间的相似性或差异性。
2025-05-16 23:54:16
737
原创 语义感知初始化
是一种在神经网络训练中利用预训练的语义信息（如词向量、预训练模型权重等）初始化网络参数的方法。其核心思想是通过赋予模型初始的“语义理解能力”，加速训练收敛并提升模型性能，尤其在数据量较少或任务复杂的场景下效果显著。
2025-02-21 16:08:54
866
原创 数据结构期末考点复习
本文系统介绍了快速排序、循环队列及树与二叉树的相关数据结构与算法。快速排序通过分治思想实现高效排序；循环队列采用数组实现，利用tag标记判断满空状态；树的存储方式包括双亲、孩子、二叉链等表示法，并给出求深度的递归方法；二叉树遍历涵盖先序、中序、层次遍历的递归与非递归实现，以及求第k层叶节点数的层次遍历算法。
2025-02-08 19:35:14
2030
原创 NLP-Beginner-任务4
用LSTM+CRF来训练序列标注模型：以Named Entity Recognition为例。：将CONLL2003数据集转换为模型可处理的格式。：将句子和标签填充到相同长度，生成掩码（Mask）。：使用CRF的维特比算法获取预测标签。计算实体级别的精确率、召回率和F1。：统计词频，处理低频词为<UNK>：前向计算损失，反向传播更新参数。：将LSTM输出映射到标签空间。：建模标签转移，计算最优路径。：定期评估模型，保存最佳参数。：小写化、替换数字为"0"。：按行解析，分割词和标签。：将词索引转换为向量。
2025-02-08 19:18:40
1433
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人