【通知】B站发实体硬币啦
概率的尽头,是命运吗?
“随机梯度下降、牛顿法、动量法、Nesterov、AdaGrad、RMSprop、Adam”,打包理解对梯度下降法的优化
贝叶斯解释“L1和L2正则化”,本质上是最大后验估计。如何深入理解贝叶斯公式?
哥德尔不完备视角下的自然数为什么如此特殊?这个问题隐藏着数学和世界真实性的线索
【概率论与数理统计】教你运用概率方法解决实际问题!
如果大数定律失效,机器学习还能学吗?幂律分布可以告诉你答案
直观理解概率论里的“依概率收敛” “几乎处处收敛”“以分布收敛”
如何理解“梯度下降法”?什么是“反向传播”?通过一个视频,一步一步全部搞明白
概率论基础(已完结)
依概率收敛超通俗讲解,彻底搞懂!
3. 编程是如何用数学解决现实问题的?
真随机存在吗?量子力学如何超越概率论?经典概率和量子概率的联系与区别
“损失函数”是如何设计出来的?直观理解“最小二乘法”和“极大似然估计法”
【10分钟系列】成对变量的相关系数
「概率论」生活中用过的最高端的数学知识是什么?概率论里的世界真相和启发,语速较慢,建议1.5倍播放
这个两百多岁的公式,能用来打麻将、解密码、做AI,甚至预测上帝的存在……
几乎处处收敛、矩收敛、依概率收敛、按分布收敛的关系
卷积神经网络的底层是傅里叶变换,傅里叶变换的底层是希尔伯特空间坐标变换
直观解释:为什么噪声不是过拟合的原因?又什么只要没有过拟合就一定有噪声?
【概统】三分钟了解概率论与数理统计在干啥