KZ
faq
Негізгі бет
Қазірдің өзінде танымал
Тікелей эфир
Ұнаған бейнелер
Қайтадан қараңыз
Жазылымдар
Кіру
Тіркелу
Ең жақсы KZfaq
Фильм және анимация
Автокөліктер мен көлік құралдары
Музыка
Үй жануарлары мен аңдар
Спорт
Ойындар
Комедия
Ойын-сауық
Тәжірибелік нұсқаулар және стиль
Ғылым және технология
Жазылу
FunInCode
Funincode KZfaq官方频道
专注数据分析、数理问题的视频创作者
8:02
【数之道36】鱼和熊掌不可兼得,8分钟掌握多目标优化精髓
Жыл бұрын
10:10
【数之道35】最优化问题如何求解,十分钟时间梳理清楚
Жыл бұрын
6:19
【数之道 34】AI芯片设计竟然与这一点密切相关,点积与矩阵计算,CPU/GPU/NPU差异比较
Жыл бұрын
10:44
【数之道 33】熵是什么?通过数理直觉,透彻理解!
Жыл бұрын
6:03
【数之道 32】6分钟理解机器学习核心知识"损失函数"
Жыл бұрын
12:01
【数之道31】使用Excel深度剖析卷积神经网络模型,12分钟理解全部知识点 Convolutional Neural Network By Excel
2 жыл бұрын
4:30
【数之道 30】隐马尔可夫模型在NLP中的应用 Hidden Markov Model in Natural Language Processing
2 жыл бұрын
5:41
【数之道29】5分钟理解"隐马尔可夫模型" Understand Hidden Markov Model in 5 minutes
2 жыл бұрын
4:20
【数之道28】支持向量机SVM最终章-R语言实例分享 SVM in R programming
2 жыл бұрын
6:24
【数之道27】详解SVM支持向量机软间隔Soft Margin数学思想
2 жыл бұрын
8:18
【数之道26】SVM支持向量机-核技巧Kernel Trick详解(多项式核函数Polynomial Kernel,无限维度高斯核函数 RBF Kernel)
2 жыл бұрын
17:18
【数之道25】机器学习必经之路-SVM支持向量机的数学精华(KKT条件、拉格朗日乘子法、凸优化可视化解释)
2 жыл бұрын
8:27
【数之道】支持向量机SVM是什么,八分钟直觉理解其本质
2 жыл бұрын
14:13
【数之道】马尔可夫链蒙特卡洛方法是什么?十五分钟理解这个数据科学难点
2 жыл бұрын
7:48
【数之道 22】巧妙使用"接受-拒绝"方法,玩转复杂分布抽样
2 жыл бұрын
7:16
【数之道 21】随机抽样、蒙特卡洛模拟与逆转换方法
2 жыл бұрын
5:06
【数之道 20】5分钟理解'马尔可夫链'的遍历性与唯一稳态 Markov Chain's Ergodicity and Stationary Distribution
2 жыл бұрын
6:20
【数之道 19】当用Excel打开"马尔可夫链", 矩阵计算和规划求解的新应用
2 жыл бұрын
4:34
【数之道 18】"马尔可夫链"是什么?了解它只需5分钟!Markov Chain in 5 minutes
2 жыл бұрын
5:31
【数之道17】金属冷却处理中隐藏的智慧-模拟退火优化算法
2 жыл бұрын
8:47
【数之道16】囚徒困境之策略大混战,谁是赢家?
2 жыл бұрын
10:01
【数之道15】烧脑的囚徒困境问题-1
2 жыл бұрын
6:19
【数之道14】六分钟时间,带你走近遗传算法 Genetic Algorithm in 6 minutes
2 жыл бұрын
6:03
【数之道 13】实现降维计算的另类神经网络 Self Organizing Map
2 жыл бұрын
7:57
【数之道 12】路越修越堵?反常识的'布雷斯悖论' More roads, More Jam? Braess Paradox
2 жыл бұрын
9:11
【数之道 11】能够创造虚拟现实的"生成对抗网络模型"
2 жыл бұрын
6:55
【什么是图灵机】探索可以模拟电脑甚至生命本身的"生命游戏"
2 жыл бұрын
7:00
隐藏在曼德勃罗宇宙中的神奇【茱莉亚集】
2 жыл бұрын
3:27
【神奇的曼德勃罗集】什么! 它也可以估算圆周率?
2 жыл бұрын
Пікірлер
@MasterMathematicswithMatthias
2 күн бұрын
深入浅出,
@doremiks6697
2 күн бұрын
CNN
@user-jr2xl9uo3c
4 күн бұрын
请教一下,为什么会生成10个卷积特征图片?而不是9个或者12个或者别的数量?这个是被哪个参数控制的?
@wenshulee6713
10 күн бұрын
very spoken
@changspencer1766
11 күн бұрын
講授得非常好, 謝謝您
@ralphchien184
18 күн бұрын
前面這段數學式當初一直無法理解推導過程,特別是兩根向量的計算,如今可以很清楚理解了,感謝精湛的圖文動態解說
@hankdonald7812
19 күн бұрын
y=kx+b,将其移动c距离后的方程为y=kx+b±c√(k^2+1) 二维平面上的直线w₁x₁+w₂x₂+b=0,对应斜截式为x₂=-(w₁/w₂)x₁-b/w₂,将其移动c距离后,对应的直线应为x₂=-(w₁/w₂)x₁-b/w₂±c√(w₁^2/w₂^2+1),转换形式后为w₁x₁+w₂x₂+b±cw₂√(w₁^2/w₂^2+1)=0
@ralphchien184
19 күн бұрын
真的有很生動與透徹,尤其是那個關鍵的那幾個點所構成的向量,原來名稱是這樣來的,後面絕對要繼續看精闢深入的數學推導過程
@vivendu5761
21 күн бұрын
ANN
@vivendu5761
21 күн бұрын
老师,怎么下载资料
@sciab3674
22 күн бұрын
高手啊
@sciab3674
22 күн бұрын
牛掰谢谢
@kingworld7747
24 күн бұрын
剛接觸不太知道卷積的作用,不過是不是可以理解為把標準的圖形,例如批薩用扁平化,把特徵概念化,之後圖可能不是正照圖,但運用卷積化後,可得到接近批薩的扁平化特徵圖!!所以我們就可得到後面輸入的圖最大概率就是!!如果影象有一堆圖,則用框框把要的的框起來,再把這方框卷積成扁平化圖,再和正照圖對比,例如自動化的駕駛車,在路上有一堆東西,如框起來東西卷積扁平化結果最接近正照車子,所以被框的東西就是車!!
@kingworld7747
25 күн бұрын
特斯拉的ai上路根本不用運算,只要能比對輸入影象和庫存就好,還算什麼屁!!
@kingworld7747
25 күн бұрын
講了一堆屁話,就是沒有講到重點,怎麼把輸入影象做成函數值,又運算個什麼鬼,為什麼變成數值的函數可以通過運算變成最終結果?!講的一點都沒有貫通性,只是一堆叫神經元的圓圈晃來晃去,這算哪麼的教學!!
@hankdonald7812
25 күн бұрын
函数图像上,某个点导数为正,说明极小值点位于这个号的左侧;某个点导数为负,说明极小值点位于这个点的右侧。Δwⱼ=-η∂S/∂wⱼ,加上负号,可以使w向着函数极小值点的方向移动,η是学习系数。 sigmoid函数的导数可以用自身表示,E=1/(1+e^(-g)),∂E/∂g=[-1/(1+e^(-g))^2]e^(-g)(-1)=e^(-g)/(1+e^(-g))^2=(1/E-1)E^2=E-E^2=E(1-E)
@user-saint
26 күн бұрын
感謝教學
@user-saint
26 күн бұрын
非常感謝
@user-saint
26 күн бұрын
謝謝博主
@user-saint
26 күн бұрын
感謝博主無私教學
@user-saint
26 күн бұрын
感謝博主無私教學
@tonyqin6737
Ай бұрын
啥时候讲解transformer或者LLM等模型
@user-ut8ts5gv2g
Ай бұрын
so cool!
@wangrunzhou
Ай бұрын
ANN pls
@Wroger0123
Ай бұрын
很棒的影片,支持!
@ryanzhao666
Ай бұрын
讲的不错哎
@tonyqin6737
Ай бұрын
微信公众号是多少?没搜到
@webberc4119
Ай бұрын
ANN
@sharefly9555
Ай бұрын
大大,请问1分钟位置的那个动画是怎么做的?
@andyxu5522
Ай бұрын
胡说八道,激活函数的作用是非线性化,数据的走向是权重决定的
@sciab3674
Ай бұрын
谢谢 基本明白还是需要深入了解 讲的很好🎉
@user-nb6qk7ff9b
Ай бұрын
1
@michaelwu8766
2 ай бұрын
这频道太厉害了,能把数学推导讲的既严谨又易懂,膜拜!
@jojo-jay1
2 ай бұрын
谢谢你❤
@davidshen1026
2 ай бұрын
1
@Desicoking
2 ай бұрын
伙計,漢字詞匯的使用有不少是有很大誤區的,建議你不要使用"投影"一詞,這個詞的表達是很有問題的,用"投像"會稍微合適一點;凡所有像皆是虛妄,如夢幻泡影,到達四維以上維度已經超越了像的層面,信息是用覺知來感受的而非用像呈現,好好學習 天天向上吧
@Desicoking
2 ай бұрын
再提示一下,當覺知進入所謂的"四維",你無所不在又無所皆在,因為已經沒有時間與空間的存在⋯⋯慢慢去悟去吧
@yanchen8842
2 ай бұрын
@@Desicoking 幾乎所有領域都叫投影,繪製地球地圖也是用各式各樣的投影法 你就是硬要把宗教套入物理學,自以為很有智慧
@theo1103
2 ай бұрын
對偶性展示的很棒!
@mswinds
2 ай бұрын
左图ok熵比较小,能否理解为信息熵转移到排列成OK的‘恶魔’那里了呢?因为自发是无法形成刚好的OK的
@sungkyungchoi
2 ай бұрын
对的,你可以把恶魔想象成一个人,人对着小球一顿摆放,自身熵增加了,虽然小球熵减
@shiweiwong5292
3 ай бұрын
我看吐了
@beforedawn7769
3 ай бұрын
6:58 负值是怎么产生的? RGB的范围是0-255, 为什么需要过滤负值?
@user-qk1wb3zm7s
3 ай бұрын
說的很棒!
@brqtjjhk
3 ай бұрын
4维在三维的投影,
@zhuozheng3038
3 ай бұрын
ANN
@TangMI
3 ай бұрын
非常感謝用心製作的視頻
@user-bs5ue3bu3p
3 ай бұрын
謝謝!
@JoshCaiLovzu
3 ай бұрын
2:35 提示下大家,是ctr + shft + enter
@kenhui3198
4 ай бұрын
老師, 請求提供 ANN ,謝謝! 講太好了
@tha7422301
4 ай бұрын
所以四維空間 可以理解成過去.現在.未來.或者每一個時候的空間都是同時存在的?
@charons.5549
3 ай бұрын
你说的应该是Minkowski的四维时空,四维空间和四维时空是两个概念
@Tsai-Gia-Shin
4 ай бұрын
ZW轉起來有夠暈
@user-user-user-user-user-888
4 ай бұрын
很簡單 就是我們這個世界 無限縮小後 有個一模一樣的世界 而無限放大後也是 就像曼德柏集合