张士玉小黑屋

OrthogonalApproximateMessagePassing,OAMP1前言2绪论3AMP3.1AMP算法3.2AMP-stateevolution与等效信号模型4OAMP4.1OAMP产生的动机4.2去相关的线性估计4.3OAMP算法4.4估计误差迭代与OAMP-stateevolution4.5关于OAMP的合理性以及两个重要假设4.5.1从假设2看假设14.5.2从假设1看假设24.6MSE估计和stateevolution仿真4.6.1

《Two-DimensionalPCA:ANewApproachtoAppearance-BasedFaceRepresentationandRecognition》本人机器学习的论文阅读部分学习了2D-PCA的原始文献《Two-DimensionalPCA:ANewApproachtoAppearance-BasedFaceRepresentationandRecognition》以下是自己通过阅读整理出的PCA和2D-PCA的相关知识，供参考嘻嘻~一、

文章目录数据操作创建数据数据运算降维求和非降维求和点积矩阵-向量积矩阵-矩阵乘法索引和切片转换数据类型微分自动求导无论哪个深度学习框架，它的张量类（PyTorch中为Tensor）都和Numpy的ndarray类似，接下来介绍的很多函数名和Numpy中的都一样，不过会比Numpy的ndarray多一些重要功能，比如张量类支持自动微分。数据操作创建数据importtorch#默认创建为浮点数

线性代数的本质一：矩阵与线性变换-矩阵：对空间的一种特定的变换1.知变换后基向量i，ji，j

目录前言一、多维数组1.多维数组定义及顺序存储1.1多维数组的定义1.2数组的顺序存储2.矩阵的压缩存储2.1特殊矩阵2.2稀疏矩阵二、广义表1.广义表基础1.1广义表的定义1.2广义表的存储结构前言        多维数组和广义表是一种复杂的非线性结构，它们的逻辑特征是：一个数据元素可能有多个直接前趋和直接后继。        多维数组可以看成是线性表的推广。因为一旦确定数组是按行或按列优先顺序存储之后，每个数组元素之间的关系就同一维数组一样变成线性的了。因此，只要弄清楚多维数组按行优先顺序存储结构之后ÿ

梯度下降算法在LinearRegression中的应用文章目录梯度下降算法在LinearRegression中的应用单变量（univariate）题目：预测利润处理Trainingset输入输出的数据提取并转换成矩阵形式损失函数求解梯度下降算法可视化预测单变量（univariate）题目：预测利润(吴恩达机器学习课后题链接放在最后)输入：城市人口数输出：利润

文档-词项的匹配得分是所有查询和文档中同时出现的词项对数词频之和

提示：信息检索：文档评分-词项权重计算-向量空间模型 第二部分：词项频率文章目录词项频率词袋模型词项文档计数矩阵词项频率tf词项频率回顾词项文档关联矩阵词袋模型不考虑词项在文档中出现的顺序。如“AisbiggerthanB”和“BisbiggerthanA”在词袋模型中是一样的。显然，这相对于位置索引呢是一种退步。词项文档计数矩阵考虑的是词项在文档中出现的次数，区别词项

前言这三个数据结构，相对于之前的来说比较常见，几乎都与线性表有关，很类似。最近期末复习本来打算不写了，但是为了使这个专栏比较完整，所以想一想还是写一下吧！其中大量重点因为没时间作图阐述，于是在网上找了写的好的引用过来的，偷了个大懒，请见谅！温馨提示：字体蓝色点击可以直接进入原文目录前言串串的定义串的实现顺序串链串串的模式匹配BF算法KMP算

学习总结文章目录学习总结一、三角分解（LU分解）1.1高斯消元1.2LU分解原理1.3LU分解python代码1.4LU分解算法二、QR分解2.1Schmid正交化2.2使用Schmid施密特正交化过程求QR分解2.3QR分解的栗子三、SVD分解3.1SVD定义3.2SVD基本理论（1）线性变换（2）SVD推导（略）（3）SVD