深度學習數學從不同角度來理解?1.線性代數線性代數作為數學中的一個重要的分支,我感覺是一般人學習機器學習或者深度學習算法的必備知識,作為博主這樣的CS出身的工科生,學了線性代數、微積分、概率論這些基礎課程,平時也就夠用了,再複雜的一些數學分支涉及的很少(這一部分摘錄自[1],加上我自己的一些理解),今天小編就來說說關于深度學習數學從不同角度來理解?下面更多詳細答案一起來看看吧!
1.線性代數
線性代數作為數學中的一個重要的分支,我感覺是一般人學習機器學習或者深度學習算法的必備知識,作為博主這樣的CS出身的工科生,學了線性代數、微積分、概率論這些基礎課程,平時也就夠用了,再複雜的一些數學分支涉及的很少。(這一部分摘錄自[1],加上我自己的一些理解)
1.1 标量,向量,矩陣和張量
标量(scalar):一個标量就是一個單獨的數。用斜體表示标量,如 s∈R
向量(vector):一個向量是一列數,我們用粗體的小寫名稱表示向量。比如
x,将向量x 寫成方括号包含的縱柱:
x=⎡⎣⎢⎢⎢⎢x1x2⋮xn⎤⎦⎥⎥⎥⎥
矩陣(matrix):矩陣是二維數組,我們通常賦予矩陣粗體大寫變量名稱,比如
A 。如果一個矩陣高度是m,寬度是n,那麼說A∈Rm×n
。一個矩陣可以表示如下:
A=[x11x21x12x22]
張量(tensor):某些情況下,我們會讨論不止維坐标的數組。如果一組數組中的元素分布在若幹維坐标的規則網絡中,就将其稱為張量。用A 表示,如張量中坐标為(i,j,k)的元素記作Ai,j,k
機器人學習或解決問題
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!