跳转至
AI & Math
贝叶斯学习
正在初始化搜索引擎
序言与总览
关于
基础数学
计算数学
统计计算
统计学习理论 (LTFP)
算法介绍
AI4MATH 前沿
AI & Math
序言与总览
关于
基础数学
基础数学
基础数学
数学分析
高等代数
测度论
概率论
微分方程
泛函分析
数理统计
多元统计
因果推断
计算数学
计算数学
计算数学
数值线性代数
数值线代上机实验
数值分析
数值微分方程
凸优化
无约束优化算法对比
统计计算
统计计算
统计计算
统计计算总复习
统计学习理论 (LTFP)
统计学习理论 (LTFP)
总览
Ch1 再论集中不等式
Ch1-Ch2 优化基础 (手写转录)
Ch1-Ch2 优化基础 (整理版)
Ch1 Bernstein不等式与极大值期望
Ch2 监督学习导论
Ch3 线性算法从第一性原理出发
Ch3 PCA与主成分回归
Ch4 经验风险最小化
Ch4 Rademacher复杂度
Ch4.4 Massart引理与Dudley积分
Ch5 优化简单介绍
Ch5.4 随机梯度下降
机器学习基础
稀疏学习与特征学习
统计计算总复习
算法介绍
算法介绍
机器学习
神经网络
决策树与集成学习
贝叶斯学习
贝叶斯学习
目录
内容规划
深度学习
压缩感知
AI4MATH 前沿
AI4MATH 前沿
AI4MATH前沿
经典论文
算法实例与训练体会
改良与实验
PINN 概览与拷打
PINN 讨论班讲义
PINN 训练体会
目录
内容规划
贝叶斯学习
状态:待补充
内容规划
贝叶斯定理与先验选择
共轭先验与解析解
贝叶斯线性回归
高斯过程(Gaussian Processes)
贝叶斯神经网络
变分推断与概率编程