刷知乎看到的,各种力荐. YouTube: https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw/featured B站: https://space.bilibili.com/88461692#/

前段时间在 哔哩哔哩 上偶然发现了 3blue1brown 精美的动画,配上生动的讲解,非常适合帮助建立数学的形象思维 其中两大系列,非常值得反复观看: 线性代数的本质(Essence of linear algebra) 微积分的本质(Essence of calculus) 主站:http://www.3blue1brown.com/ Youtube 频道:https://www.youtube.com/c/3blue1brown 哔哩哔哩 频道:https://space.bilibili

Background\text{Background}Background Last night, lots of students from primary school came to our class to study OI.\text{Last night, lots of students from primary school came to our class to study OI.}Last night, lots of students from primary schoo

首先,恭喜你读到了咪博士的这篇文章.本文可以说是该系列最重要.最核心的文章.你对线性代数的一切困惑,根源就在于没有真正理解矩阵到底是什么.读完咪博士的这篇文章,你一定会有一种醍醐灌顶.豁然开朗的感觉! 咱们先来说说啥叫变换.本质上,变换就是函数. 例如,你输入一个向量[ 5  7 ] [57], 经过某个变换(即函数)的作用之后,输出另一个向量[ 2  -3 ] [2−3] 既然,变换本质上就是函数,那为啥还要多搞出这样一个术语? 其实,“变换”这个词暗示了我们能够以某种方式可视化 输入—-输出

1. 线性组合 接下来我们要换一个角度来看向量.以二维平面直角坐标系为例,i, j 分别是沿 2 个坐标轴方向的单位向量.那么坐标平面上的其他向量,例如 [ 3  -2 ] [3−与 i, j 是什么关系呢? 将向量 i 沿水平向右的方向拉升 3 倍,向量 j 沿竖直向下的方向拉升 2 倍 这样,我们可以将向量 [ 3  -2 ] [3−2] 看成是将向量 i, j 缩放后再相加的结果 向量 i, j 称为基向量,其他向量都可以通过对基向量缩放再相加的方法构造出来.基向量缩放的倍数对应向量的各个

向量是线性代数最基础.最基本的概念之一,要深入理解线性代数的本质,首先就要搞清楚向量到底是什么? 向量之所以让人迷糊,是因为我们在物理.数学,以及计算机等许多地方都见过它,但又没有彻底弄懂,以至于似是而非. 1. 物理学中的向量 物理学中的向量:空间中的箭头,由长度和它所指的方向决定 而且,在物理学中,你可以在空间中自由地移动向量,只要保持向量的长度和所指的方向不变,向量便保持不变,即移动前后的向量是同一个向量! 2. 计算机专业中的向量 计算机中向量是有序的列表 例如我们要对房价建模, 我们可

第一次接触到python的时候实在看学习3Blue1Brown的视频线性代数的本质的时候.惊奇的是里面的视频操作,例如向量的变化,线性变换等都是由python用代码打出来的.那时的我只是以为python是类似matlab类型的数学软件.人工智能,大数据的兴起,我才知道python是最近十分流行的语言.python语言在编程时真的简便,在c语言专门拉一个章节讲的序列的功能的实现,在python中用一个调用就行了,matlab的数学函数调用在python上也能实现.所以在我看来python结合了ma

自从搭建了B站的监控之后,就收集了一堆up主,下面分类整理一下,排名不分先后,内容会持续更新……2019-4-10 19:04:08 一.酷玩&装机&开箱 1.AS极客 2.VirtualMOD 3.LinusTechTips 4.TecTec官方频道 5.Maxidea极创意官方 6.老师好我叫何同学 7.TESTV官方频道 二.好好学习 1.johnhuu 英语 2.王霸胆英语 3.3Blue1Brown 数学之美 4.Real麦克老师 英语 5.阿滴英文 6.葉子先生酱 日语 7.看

目录 信号, 集合, 多项式, 以及卷积性变换 卷积 卷积性变换 傅里叶变换与信号 引入: 信号分析 变换的基础: 复数 傅里叶变换 离散傅里叶变换 FFT 与多项式 \(n\) 次单位复根 消去引理, 折半引理与求和引理 重新定义 多项式的表示 快速傅里叶变换FFT 通过 FFT 在单位复数根处插值 FFT的速度优化与迭代实现 炸精现场与 NTT 原根 NTT 任意模数 NTT 卷积状物体与分治 FFT FWT 与位运算卷积 FWT 与 \(\text{or}\) 卷积 FWT 与 \(\te

Solution 神仙题.jpg 切一刀简单啊,维护一个前缀和. 切两刀简单啊,拿个队列维护中间那一段. 切三刀,这tm什么毒瘤题. 于是打开题解:"保证不会答案不会超过宝石种类". orz神仙结论. 于是去研究了一下证明,但是看不懂拓扑学... 可以看一下3Blue1Brown的这个视频 出题人的证明 出题人大概是看了这个视频后出了这题? 这两题是一样的.第二题直接输出m就行了. 知道结论后瞎写就行 #include <bits/stdc++.h> using names

集成学习之Boosting -- AdaBoost 集成学习之Boosting -- Gradient Boosting 集成学习之Boosting -- XGBoost Gradient Boosting 可以看做是一个总体的算法框架,起始于Friedman 的论文 [Greedy Function Approximation: A Gradient Boosting Machine] .XGBoost (eXtreme Gradient Boosting) 是于2015年提出的一个新的 Gr

3blue1brown系列课程,精美的动画,配上生动的讲解,非常适合帮助建立数学的形象思维,非常值得反复观看: http://www.3blue1brown.com/ 哔哩哔哩: https://space.bilibili.com/88461692 作者还把制作视频的用到的代码放到了 github 上,有兴趣的同学可以研究看看 Github: https://github.com/3b1b/manim 我们节选其中一部分内容,领略一下微积分的奥妙 要了解微积分的本质,我们从一个大家都知道的公式

100天搞定机器学习|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 100天搞定机器学习|Day9-12 支持向量机 100天搞定机器学习|Day11 实现KNN 100天搞定机器学习|Day13-14 SVM的实现 100天搞定机器学习|Day15 朴素贝叶斯 100天搞定机器学习|Day1

本文为3Blue1Brown神经网络课程讲解第二部分<Gradient descent, how neural networks learn >的学习笔记,观看地址:www.bilibili.com/video/av16144388前文我们已经搭建了一个包含两个隐藏层的神经网络,我们需要这样一种算法:网络得到训练数据后,算法会调整所有的权重和偏置值,提高网络对训练数据的表现.我们还希望这种分层结构可以举一反三,识别其他图像.训练好网络后,再给它未见过的带标记的数据作为测试,这样就能知道新图像分

 100天搞定机器学习(Day1-34) 100天搞定机器学习|Day35 深度学习之神经网络的结构 100天搞定机器学习|Day36 深度学习之梯度下降算法 本篇为100天搞定机器学习之第37天,亦为3Blue1Brown<深度学习之反向传播算法>学习笔记. 上集提到我们要找到特定权重和偏置,从而使代价函数最小化,我们需要求得代价函数的负梯度,它告诉我们如何改变连线上的权重偏置,才能让代价下降的最快.反向传播算法是用来求这个复杂到爆的梯度的. 上一集中提到一点,13000维的梯度向量是难以想

A video by 3Blue1Brown in Bilibili\text{A video by 3Blue1Brown in Bilibili}A video by 3Blue1Brown in Bilibili I don't have a systematic face to Derivatives before, but now I do.\text{I don't have a systematic face to Derivatives before, but now I do.

计算机人推荐书目&网站(不断更新) 鉴于最近有很多同学问我学什么读什么书好,我把我自己的经历和愚见写下来,仅供参考.我只会写我亲自读过有感悟的书,而不会搬运一些我碰都没有碰过只闻大名的书.本人目前也才大二,很多名书和高级书都没有读过,觉得过于基础的看官轻喷. 每本书我会写下我自己阅读后的亲身感受和体会. 目前涵盖: 编程语言 C++ 入门 Java 入门 进阶 Python 入门 进阶 C# 入门 汇编 入门 计算机科学 计算机系统 算法与数据结构 程序员数学 编程语言 C++ 入门 英语好的我

看懂本文需要读者具备一定的微积分基础.至少开始学信号与系统了本文主要讲解欧拉公式.傅里叶变换的频率轴的负半轴的意义.傅里叶变换的缺陷.为什么因果LTI系统可以被零极图几乎唯一确定等等容易被初学者忽略但对深入理解非常重要的细节问题本文秉承尽量直观的原则,尽量少用纯数学推导,而多用形象直观的物理意义.几何意义.举例作者的审美极度直男癌,本文的排版可能引起很多人不适,但本文的内容一定是亮点作者还没本科毕业,水平有限,读者如发现本文的错误.读不懂的地方,恳请提出全文原创,转载请标明出处 信号与系统是电子

看了Siraj Raval的3个月学习机器学习计划的视频,感觉非常好,地址:https://www.youtube.com/watch?v=Cr6VqTRO1v0 结合一些我们学习中的经验得出一份Hybrid的机器学习自学计划. 根据Siraj的建议:机器学习的涉及的知识比例分布的 35%线性代数 25%概率论和统计学 15%微积分 15%算法及其复杂性 10%是数据预处理知识 强烈建议订阅:Siraj Raval 的youtube 看他的视频非常舒服,一种非常独特的学习方式而且和有用,地址是:

推荐直接阅读博客原文,更新更及时,阅读体验更佳 「十天自制软渲染器」这个标题我承认标题党了.在对图形学一无所知的情况下想十天自制一个软渲染器,就好似一节课没上过却试图一个晚上看完<30 天精通 C++>然后第二天早上八点考试得满分一样,我承认世界上有这种天才,但很可惜我不是. 就像前文所说,本系列造的轮子都是站在巨人的肩膀上完成的,需要对相关知识有一定的了解和学习,如果你是一个图形学大牛,这种软渲染器肯定是不屑于做的:如果你刚刚进入图形学的大门,造一个软渲染器的轮子,非常利于你巩固自己的底层知