图书

  • 哲遠 5推荐

    《Pattern Recognition and Machine Learning》第一章

    ![enter image description here][1] 最近一直在研读Pattern Recognition and Machine Learning 这本书,因为今年九月份就要去台湾读书,但是感觉自己的数学水平实在是太糟糕,特别是我们在软件学院的,技术的学一大…...

  • 哲遠 2推荐

    Pattern Recognition and Machine Learning第三章(2)

    1、贝叶斯线性回归 我们在之前讨论中提到,设置一个线性回归模型的参数的最大概率中,由基本函数所决定的有效模型复杂度,是被数据集的数量大小所控制的,添加一个修正项意味着有效的模型复杂度可以被修正项系数的值所控制(虽然基础函数的选择也是很重要的),我们使用线性回归的贝叶斯方法来避…...

  • 哲遠 2推荐

    Pattern Recognition and Machine Learning第三章(3)

    贝叶斯模型比较: 我们在这里从贝叶斯模型的角度讨论模型选择的问题,究竟怎样的预测模型才是比较好的?不同的模型之间又如何进行组合应用? 从贝叶斯模型的观点进行模型比较需要使用概率来表示不同模型的使用的不确定性,假设我们希望比较L个模型{Mi}(i=1、2、.....L),这里…...

  • 哲遠 2推荐

    第四章 线性分类模型

    1、判别函数 判别函数指的是对于一个输入向量x,能够将其分配给K个类中的一个类Ck,为了逐步深入地对这个判别函数进行讨论,我们逐渐增加K的值来进行分析。 我们首先对K=2进行讨论: ![enter image description here][1] 如果y(x)≥0那么…...

  • 哲遠 2推荐

    Pattern Recognition and Machine Learning第四章(2)

    1、认知算法(Perceptron Algorithm) 我们这里介绍另外一个判别函数,是由Rosenblatt提出的,在模式识别的领域中占有很重要的地位,他在二类模型分类中使用,我们给出这个线性模型的形式: ![enter image description here][…...

  • 哲遠 2推荐

    Pattern Recognition and Machine Learning第五章神经网络模型

    之前我们讨论的模型是对于分类的回归模型,包含了线性组合的多个基础函数。但是他的应用范围有一定的限制。另外一个方法在于事先限定基础函数的个数并且使得他可自适应的,也就是说使得他的参数值在训练当中是可以发生变化的,其中最成功的模型是前向神经网络(feed-forward netwo…...

  • 哲遠 1推荐

    Pattern Recognition and Machine Learning 第三章(1)

    前一章中我们谈论到一个Pattern Recognition的一个数学应用基础,这一章中我们会讨论一个具体的问题,就是线性模型回归问题(Linear Models for Regression)。 在讨论这一章中,我们先讨论一个概念,叫做基础函数(basis function…...

  • 哲遠 推荐

    Pattern Recognition and Machine Learning 第五章(2)

    参数最优化 我们现在要做的的一个工作就是如何使用神经网络的方法确定w,其中我们对于w的修正思路为![enter image description here][1],其中最后一项为▽E(w)指的是错误函数增加的最快的频率的方向,由于E(w)是一个在w上连续的光滑的函数,它的最…...

  • 哲遠 推荐

    Pattern Recognition and Machine Learning第五章(3)

    赫斯矩阵(Hessian Matrix): 我们显示了错误回溯可以被用于错误函数的二次导数,由以下的式子显示: ![enter image description here][1] 赫斯矩阵在神经网络计算中扮演这一个非常具有重要的位置: 1、一些非线性优化算法使用训练神经…...