- 博客(10)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 应用随机过程速通笔记1——条件期望，泊松过程，离散马尔可夫链
本文介绍了应用随机过程的基础知识，重点讲解了条件期望和离散马尔可夫链的概念。条件期望被定义为满足特定条件的随机变量，具有线性性质和全期望公式等特征。离散马尔可夫链则强调状态转移的"无记忆性"，即未来状态仅取决于当前状态。文中还简要提及了泊松过程的定义、数字特征及其与指数分布的关系，为理工科读者提供了随机过程的入门速通指南。
2025-06-14 18:36:36
316
原创 今年浦江AI学术年会个人感想与少部分知识的见解
周伯文主席上台也是抛出了很多的问题呀，下面主流问题也是后面平行会议的内容主题。1.自回归大模型在Scaling Law之外有其他选择吗？2.具备Scale up潜力的模型架构演进方向在何方？3.探索通往AGI的道路，评测能做什么？4.我们需要什么样的AI4S基座模型？5.公开高质量数据即将用尽了吗？如何未雨绸缪？6.不同具身技术路线的能力边界在何处？7.AI能力的提升是带来还是解决AI安全问题？
2024-12-16 23:01:11
738
原创 统计学习方法之EM算法作业9.4，朴素贝叶斯法的无监督学习
最近对EM算法用于无监督学习的朴素贝叶斯分类决策器很感兴趣，但奈何找了不少资料我也没彻底看懂。那么我们知道EM算法的Q步是针对完全数据（包含观测数据序列和隐变量数据序列）。由于PDZ∣θ设计隐变量Z，我们通过Q函数对其求关于Z随机变量的期望迭代近似。接下来进入正题：假设有一个未标注的数据集Dx1x2xN，其中每个数据点xi∈xi1xi2xiM。每个数据点对应一个隐藏的类别标签yi，取值范围为yi∈1。
2024-12-05 17:02:59
882
原创 Deepxde学习笔记——DeepONet求解偏微分方程相关理论与代码实战
DeepONet在求解偏微分方程的理论与关于Deepxde中DeepONet的代码编写的个人小小心得。DeepONet真正的强大之处在于：其可以学习各种显式算子，如积分和分数拉普拉斯算子，以及表示确定性和随机微分方程的隐式算子。
2024-11-13 12:51:48
2975
原创 常微分方程复习——连续动力系统极限环备忘
常微分方程极限环相关知识：极限环及其稳定性的概念，PB定理，Bendixson判据和Dulac判据。内容涵盖首次积分，matlab绘图分辨极限环等。
2024-09-01 11:25:11
3504
原创 Datawhale X 李宏毅苹果书AI夏令营——Task2自适应学习率，分类与回归
多元分类问题：类别数大于二（至少是三）的分类，A、B、C……，多分类世界中，某个物品可能是A、可能是B，也可能是C。此时，不能再简单地输出一个概率值来判断类别（因为类别一多，在截断误差后很可能出现概率相同的情况），而是需要通过得到每个类别的概率（这样可以体现概率的相对性，比如A相对B更多，B相对C更少），以此进行分类，在模型训练初期，使用预热来防止学习率过大导致的梯度爆炸，一定程度（不知道什么程度）后，逐渐减小学习率，确保能够稳定收敛？自适应学习率方法根据梯度大小自动调整学习率，解决固定学习率的问题。
2024-08-31 22:38:05
991
1
原创 Datawhale X 李宏毅苹果书AI夏令营——简单的笔记与心得总结
我们所关注的梯度为零的点：局部最小值，局部最大值，鞍点而：局部极小值：一段邻域内是让因变量值最小的自变量选取点鞍点：一段邻域内仍有可继续优化的点可选择。
2024-08-27 23:34:17
573
原创 Datawhale：2024.8.3 Transformer建模SMILES进行反应产率预测个人笔记——对Transformer的迷思
Transformer建模SMILES进行反应产率个人笔记
2024-08-03 22:53:33
964
1
个人整理高数常微分方程笔记
2024-09-01
中缀表达式转后缀表达式并求值栈方法
2023-10-16
TA创建的收藏夹 TA关注的收藏夹
TA关注的人