在d2l文件夹内，共有5个文件和一个文件夹，分别是__init__.py, mxnet.py, paddle.py, tensorflow.py, torch.py这5个.py文件和__pycache__文件夹。其中，Location告诉你这个包安装在什么位置，在这个目录下，会有一个d2l文件夹（注：在上面目录里，d2l是我安装这个包的虚拟环境的名字，与d2l包无关）。另外，Requires表示d

机器学习（西瓜书）注解：第12章 计算学习理论本次更新第12章，计算学习理论。针对该章注解有任何问题欢迎在此留言~相信本章是很多读者望而却步的一章，相信本章是很多以本书为教材的老师在讲课时会直接跳过的一章，相信本章是很多资深机器学习研究者都不予理睬的一章……但既然已经入了机器学习这个坑，总感觉如果不去了解一点儿有关本章的内容，少点什么似的...

在d2l文件夹内，共有5个文件和一个文件夹，分别是__init__.py, mxnet.py, paddle.py, tensorflow.py, torch.py这5个.py文件和__pycache__文件夹。其中，Location告诉你这个包安装在什么位置，在这个目录下，会有一个d2l文件夹（注：在上面目录里，d2l是我安装这个包的虚拟环境的名字，与d2l包无关）。另外，Requires表示d

题目：贝叶斯网络结构学习之MCMC算法（基于FullBNT-1.0.4的MATLAB实现）        有关贝叶斯网络结构学习的一基本概念可以参考：贝叶斯网络结构学习方法简介        有关函数输入输出参数的解释可以参考：贝叶斯网络结构学习若干问题解释        本篇所基于的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)

题目：科学松鼠会压缩感知科普文章两篇：“压缩感知与单像素相机(陶哲轩)”“填补空白：用数学方法将低分辨率图像变成高分辨率图像

我在更新簇中心时，有些簇只有一个样本，也就是一个行向量，这样用mean对它求均值，得到的不是它本身（程序本身所期望的结果），而是将这个行向量所有元素取平均，然后将这个标量值赋值给簇中心向量时，Matlab自动会将簇中心向量所有元素都赋值为这个平均值。解决的办法也很简单，就是在更新簇中心时，判断一下属于当前簇的样本个数，如果大于1，每行一个样本，存成一个矩阵，直接对这个矩阵使用mean就行，反之若等

题目：压缩感知与Nquist抽样定理——模拟信息转换(AIC)学习总结一、引言压缩感知（CompressiveSensing, or Compressed Sensing）或译为压缩传感，或者称为压缩采样（Compressive sampling），以下统称压缩感知，简称CS。在压缩感知的有关文献中几乎都在说“压缩感知突破了传统的Nquist/Shannon抽样定理的限制，

在前面一篇《压缩感知的常见稀疏基名称及离散傅里叶变换基》中集结了九篇压缩感知文献中有关稀疏基名称，并且直白地告诉大家稀疏基其实就是某种正交变换的变换矩阵列向量组成的基，最后还说了离散傅里叶变换基。对于离散傅里叶变换基前面乘了一项N的开方，这其实就是一个定标因子，为得是将变换矩阵归一化，使各个列向量组成的基为标准(规范)正交基。在这一篇里将简单介绍离散余弦变换和离散正弦变换并说明它们的基在Matla

标题：运气太好了！MATLAB计算出来的结果是错的这种事情都遇上了最近求解一个优化问题，由于存在x’Hx，需要矩阵H为(半)正定矩阵才能保证x’Hx对向量x是凸函数。矩阵H是由一个方阵与其自身转置相乘得到的，即H=AA’，以前遇到的矩阵H都是半正定的，但现在有个数据集(记为D)的结果显示算法不收敛，检查之后发现其原因是针对该数据集D，矩阵H不是半正定的。呃，这就麻烦了，因为暂时还没能力从数学上证明

看小波变换的时间超过半个月了，到今天为止终于可以得到小波变换矩阵（小波基）了，该陆续写一些总结了，这一篇给出最核心的东西：在Matlab中如何得到小波变换矩阵？我看小波变换的最终目的也是为了得到小波变换矩阵，因为小波并不是目的，看小波是为了研究压缩感知的稀疏表示。但小波变换真心不是一般的正交变换，它没有一个简单的公式可以表达，里面涉及的概念太多，一时无法吸消化。