摘要： 1.符号含义 复共轭：* 共轭转置——对于矩阵来说：b† = (b*)T ，†是dagger匕首。 (厄密)共轭——对于算符来说：O† ，又称算符O的伴随算符/配偶算符。共轭是一种操作 ，其中~表示转置。 <u,Ôv> = ∫ u* Ôv dτ = ∫ (Ô†u)*v dτ ，全空间积分就是內积，此 阅读全文

摘要： 1.矩阵上标 （1）AT T是transpose转置。 （2）A-1 -1是inverse逆矩阵。 （3）A+ ①广义逆矩阵，是逆矩阵的推广，奇异矩阵（行列式为0的方阵）和非方阵，没有逆矩阵，但可以有伪逆矩阵。 ②广义逆定义： 复矩阵Amxn，Xnxmdddd满足四个Moore-Penrose方程中 阅读全文

摘要： 1.估计概率密度p(x|wi) （1）贝叶斯决策 （2）P（wi）和p（x | wi）的估计方法 ①先验概率P（wi）估计： 用训练数据中各类出现的频率估计。 依靠经验。 ② 类条件概率密度函数p（x | wi）估计，2类方法： 参数估计：最大似然估计，贝叶斯估计。 非参数估计： 直方图估计，核密度 阅读全文

摘要： 1.图像识别概述 （1）图像识别是计算机视觉中最基础的一项任务，目的是在图像或视频序列中找到给定的物体，或者是对场景的属性进行判断。 （2）要对图像中的物体进行识别，首先需要对物体赋予合适的表示，使得物体表示对于图像变化（视角、光照、遮挡、尺度、形变、物体聚集等）有较强的不变性。 （3）图像和目标识 阅读全文

摘要： 1.如何快速下载一篇文献内所有的参考文献？ 利用Mendeley+Endnote。此处使用Mendeley 步骤： （1）下载安装文献管理/阅读/笔记软件Mendeley； （2）下载Mendeley应用插件，安装在谷歌/搜狗等浏览器上，登录Mendeley账号（显示登录Elsevier，实际上是M 阅读全文

摘要： 1.符号主义：人工智能源于数理逻辑 智能主要是知识表示、逻辑推理和知识运用，重在表示和推理 认知和思维的基本单元是符号 逻辑演绎描述智能行为 2.行为主义：人工智能源于控制 智能取决于感知和动作，重在外在交互，可学习、进化 模拟生物智能行为 建立感知 - 决策的控制系统 3.连结主义：源于人脑模型 阅读全文

摘要： 1.机器学习的主要分类 （1）监督学习（Supervised learning）  训练数据有目标向量（标签）  分类、回归 … （2）非监督学习（Unsupervised learning）  训练数据没有目标向量（标签）  聚类、密度估计、可视化 … （3）强化学习（Reinforcem 阅读全文

摘要： 1.表示学习 （1）表示学习：用机器学习提取特征，而不是手动提取特征。学习如何提取特征，即学习如何学习。 （2）表示学习算法的典型例子：自编码器（autoencoder）。 （3）表示学习从原始数据中提取高层次、抽象的特征很难。深度学习（deep learning）通过其他较简单的表示来表达复杂表示 阅读全文

摘要： 1.生成模型与判别模型区别 生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。 数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度； 阅读全文

摘要： 1.信息熵 ①H(x) = - ∑ p(xi) log p(xi) ②熵是不确定性的度量，越不确定，越混乱，熵越大。 ③越平均的时候，熵越大。 2.交叉熵 ①两个概率分布p(x)和q(x)，p分布已知，q未知，交叉熵函数就是两个分布的互信息，反应其相关程度，交叉熵越小越相关，两个分布越接近，分类器效 阅读全文