撰写于    浏览:3211 次  分类: 数学电子书
1、封面介绍2、出版时间2013年7月3、推荐理由《统计学精品译丛:随机过程(原书第2版)》中文简体字版由约翰威利父子公司授权机械工业出版社出版。未经出版者书面许可,不得用任何方式复制或抄袭本书内容。《统计学精品译丛:随机过程(原书第2版)》从概率的角度而不是分析的角度来看待随机过程,书中介绍了随机过程的基本理论,包括Poisson过程、Marko[...]

撰写于    浏览:2242 次  分类: 数学电子书
1、封面介绍2、出版时间2016年1月3、推荐理由本书内容丰富,除了介绍概率论基本知识点外,还介绍了矩母函数、最小二乘估计、泊松过程、马尔可夫过程和贝叶斯统计等内容。书中实例丰富,图文并茂,针对每节主题设计了相应的习题,还提供了部分难题的解答,便于读者自学。本书多年来在MIT、斯坦福大学、加州大学等名校被用作概率课程教材,经过课堂检验和众多师生的反[...]

撰写于    浏览:2583 次  分类: 数学电子书
1、封面介绍2、出版时间2020年5月3、推荐理由“微积分”这一名称出现在哪本书中?微积分教科书又是谁人所写?微积分是谁发明的?洛必达法则居然是伯努利的研究成果?谁被誉为“分析学的化身”?谁又被誉为“现代分析学之父”?哪些数学天才使微积分的创建过程终于画上句号?……《微积分的历程:从牛顿到勒贝格》将带你一一探究上述问题。《微积分的历程:从牛顿到勒贝[...]

撰写于    浏览:8340 次  分类: 数学电子书
1、封面介绍2、出版时间2016年10月3、推荐理由对于大多数学生来说,微积分或许是他们曾经上过的倍感迷茫且很受挫折的一门课程了。本书不仅让学生们能有效地学习微积分,更重要的是提供了战胜微积分的可靠工具。本书源于风靡美国普林斯顿大学的阿德里安·班纳教授的微积分复习课程,他激励了一些考试前想获得成功但考试结果却平平的学生。作者班纳是美国普林斯顿大学的[...]

撰写于    浏览:5021 次  分类: 数学电子书
1、封面介绍2、出版时间2020年6月3、推荐理由本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话,结合回归和分类的具体问题,逐步讲解了机器学习中实用的数学基础知识。其中,重点讲解了容易成为学习绊脚石的数学公式和符号。同时,还通过实际的Python 编程讲解了数学公式的应用,进而加深读者对相关数学知识的理解。一本书掌握机器学习的基础数学:(1[...]

撰写于    浏览:16137 次  分类: 数学电子书
1、封面介绍2、出版时间2020年8月3、推荐理由本书内容丰富有趣,文字表述思路清晰、通俗易懂,实例讲解细致深入,图例直观形象。每章均配有丰富习题供读者练习,适合作为数学及相关专业的数学思维课程教材,也可供广大数学爱好者、数学相关专业的科研人员和工程技术人员自学参考。本书以大量生动有趣的问题求解实例为背景,使用通俗易懂的语言,深入浅出地介绍优美的数[...]

撰写于    浏览:9271 次  分类: 机器学习
1、封面介绍2、出版时间2019年11月3、推荐理由《机器学习中的数学》是一本系统介绍机器学习中涉及的数学知识的入门图书,本书从机器学习中的数学入门开始,以展示数学的友好性为原则,讲述了机器学习中的一些常见的数学知识。机器学习作为人工智能的核心技术,对于数学基础薄弱的人来说,其台阶是陡峭的,本书力争在陡峭的台阶前搭建一个斜坡,为读者铺平机器学习的数[...]

撰写于    浏览:11387 次  分类: 数学电子书
1、封面介绍2、出版时间2020年10月3、推荐理由本书以零基础讲解为宗旨,面向学习数据科学与人工智能的读者,通俗地讲解每一个知识点,旨在帮助读者快速打下数学基础。  全书分为 4 篇,共 17 章。其中第 1 篇为数学知识基础篇,主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日乘子法;第 2 篇为数学知识核心篇,主要讲述了线性代数基础、特征值与[...]

撰写于    浏览:393 次  分类: 网站公告
为了帮助初学者更好地学习人工智能,我决定编写《人工智能之数学入门标准》。之所以称之为“标准”,是因为我希望它能够长久地坚持下去,并且集合了众家之长,最终形成一个规范的数学入门教材,给初学者提供一个学习指南,避免大家走弯路。《人工智能之数学入门标准》将会以PDF的形式发布到学术日历APP上面,这样学习起来十分方便。同时,我组建了社群,欢迎大家的加入,[...]

撰写于    浏览:225 次  分类: PyTorch 教程
torch.optim 简介torch.optim 是一个实现了多种优化算法的包,大多数通用的方法都已支持,提供了丰富的接口调用,未来更多精炼的优化算法也将整合进来。torch.optim 官网介绍https://pytorch.org/docs/stable/optim.htmltorch.optim 使用说明torch.optim 中包含很多的[...]

撰写于    浏览:1190 次  分类: 飞燕AI训练营
前言大家好,我是飞燕,同时我也一名站长,飞燕网是我创办的一个技术网站。在此,我希望把自己的外包经历写下来,算是温故而知新,回顾过去从而更好的布局未来,同时也分享出来,欢迎大家的关注。每年我通过做人工智能外包大概能挣到50万,比上不足比下有余吧。另外,我还有有其他的业务,比如,做APP开发,做内推业务等等。不过,因为时间和精力限制,目前外包业务做的还[...]

撰写于    浏览:602 次  分类: 强化学习

撰写于    浏览:604 次  分类: 强化学习
Q-Learning是强化学习中的最基础算法,它基于Q-Table来实现。这个表格的每一行都代表着一个状态(state),每一行的每一列都代表着一个动作(action),而每个值就代表着如果在该state下采取该action所能获取的最大的未来期望奖励。通过Q-Table就可以找到每个状态下的最优行为,进而通过找到所有的最优action来最终得到最[...]

撰写于    浏览:589 次  分类: 强化学习
在马尔可夫决策过程中,当智能体从一个状态S,选择动作A,会进入另外一个状态S'。同时,也会给智能体奖励R。 奖励既有正,也有负,正代表我们鼓励智能体在这个状态下继续这么做,负得话代表我们并不希望智能体这么做。 在强化学习中,我们会用奖励R作为智能体学习的引导,期望智能体获得尽可能多的奖励。需要注意的是:很多时候,我们并不能单纯通过R来衡量一个动作的[...]

撰写于    浏览:737 次  分类: 图神经网络
draw_networkx是networkx的绘图函数,其定义如下所示:def draw_networkx(G, pos=None, arrows=None, with_labels=True, **kwds):参数pos表示节点的布局,network库内置五种节点布局,如下所示:circular_layout:顶点在一个圆环上均匀分布random[...]