GYY8023的博客

降维方法之t-SNEt-SNE 算法

VAE近两年非常火，除了用于图像压缩，图像降噪，也被应用于图像分割，比如自动驾驶中就常用来把道路场景进行分割，分成不同的感兴趣区域，还可以用于环境表示，例如Deep Mind 团队就用它来学习3D模拟世界，用Latent Model 来表示潜在空间，这些学习到的特征很多时候是可以解释的，有的变量改变了地板的颜色，有的变量改变了前进的方向。VAE的损失函数比较复杂，具体包含两个部分，第一块是重建损失，和自编码器是一样的，另一块是KL散度，用来描述学习的分布和高斯分布之间的相似性。

KL散度学习

核范数以及矩阵的迹核范数 Nuclear Norm矩阵的迹及迹的求导矩阵, 矩阵迹求导速查

SVD分解奇异值分解（SVDSVD（奇异值分解）小结

batch与epoch的学习机器学习术语表

越来越多的问题需要使用两个下标以上的数据来描述，两个下标以上的数据的多路排列称为多路数据，其表示形式为张量。采用向量和矩阵的数据分析属线性数据分析，基于张量的数据分析称为张量分析，属多重线性数据分析范畴。1 张量及其表示数据沿一相同方向的排列称为一路阵列。标量是零路阵列，行向量和列向量分别是二路阵列。张量是数据的多路阵列，一个张量就是一个多路阵列或多维阵列，它是矩阵的一种扩展。张量用花体符号表示，n路阵列表示的张量称为n阶张量，是定义在n个向量空间的笛卡尔积上的多重线性函数，记为：其中，其中图

图论中拉普拉斯矩阵的学习

ADMM凸优化凸优化:ADMM(Alternating Direction Method of Multipliers)交替方向乘子算法 凸优化ADMM

数学符号及读法大全

https://www.cnblogs.com/ooon/p/5721119.html

一、数据的标准化和归一化1.概念 数据的标准化（normalization）将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。2.方法 数据标准化方法有多种，归结起来...

https://blog.youkuaiyun.com/zaishuiyifangxym/article/details/81673491