作者小头像 Lv.5
更多个人资料
1631 成长值
0 关注
6 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

人工智能
个人勋章
TA还没获得勋章~
成长雷达
1590
21
0
0
20

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

人工智能

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
学习笔记|矩阵秩的性质之二
2. 如果A可逆，则r(AB)=r(BA)=r(B)（可参见学习笔记|矩阵的等价矩阵等价的性质4）即存在有限的初等矩阵有（可参见学习笔记|矩阵的等价矩阵等价的定义）即（可参见学习笔记|矩阵的初等变换的2.3初等矩阵都可逆）因此，有（可参见学习笔记|矩阵秩的性质之一）同理可得r(BA)=r(B)所以r(AB)=r(BA)=r(B)3. r(AB)≤min(r(A),r(B))证：假设令min(...
作者小头像 darkpard
581
0
0
2021-12-30 18:56:44
581
0
0
学习笔记|矩阵秩的性质之一
1. 矩阵的初等变换不改变矩阵的秩证：初等变换包括初等行变换和初等列变换，因为矩阵的行秩=列秩=秩，行变换与列变换对矩阵秩的影响是一样的，因此只证初等行变换不改变矩阵的秩。矩阵的初等行变换包括左乘E(i,j)，左乘E(i(k))，左乘E(j,i(k))三种。（参见学习笔记|矩阵的初等变换）1. 左乘E(i,j)左乘E(i,j)即交换第i行与第j行，矩阵的行向量组的秩与行向量的顺序无关，所以左...
作者小头像 darkpard
602
0
0
2021-12-29 18:07:27
602
0
0
学习笔记|矩阵秩的定义与证明
1. 向量组的秩先来看向量组的秩：2. 矩阵的秩定义：3. 相关定理及证明定理： 矩阵的秩=行秩=列秩。证：假设假设A的行秩为r，显然有r≤m。不妨假设向量组线性无关，其中，i=1,2,...,r令为A的行向量极大无关组组成的矩阵。先证k维向量的极大线性无关组中向量个数小于等于k。i=1,2,...,k对方程即至少∃一组r-1个方程，对于其他的n-r+1个方程，都可以用这组方程的加或减来表示...
作者小头像 darkpard
602
0
0
2021-12-28 18:19:56
602
0
0
学习笔记|矩阵的等价
1. 矩阵等价的定义2. 矩阵等价的性质∵初等矩阵都是可逆矩阵，且其逆矩阵仍然是初等矩阵，可参见35 学习笔记|矩阵的初等变换因此，有证： 当n=2时，当n=r时，显然，有充分性：必要性：参考文献1.https://zhuanlan.zhihu.com/p/1080978342.https://baike.baidu.com/item/%E7%AD%89%E4%BB%B7%E7%9F%A9%...
作者小头像 darkpard
559
0
0
2021-12-27 20:11:00
559
0
0
学习笔记|矩阵的初等变换
1. 矩阵初等变换的定义1.1. 初等行变换1.1.1. 交换两行注意，i,j也可以是1,2或m，i也可以大于j。1.1.2. 某一行乘以k(k≠0)注意，i也可以是1,2或m。1.1.3. 某一行乘以k(k≠0)加到另一行注意，i,j也可以是1,2或m，i也可以大于j。1.2. 初等列变换1.2.1. 交换两列注意，i,j也可以是1,2或n，i也可以大于j。1.2.2. 某一列乘以k（k≠...
作者小头像 darkpard
643
0
0
2021-12-26 19:39:34
643
0
0
学习笔记|矩阵转置
转置是矩阵中非常重要的一种基本运算。1. 定义2. 性质因此参考文献1.https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E8%BD%AC%E7%BD%AE/4150715?fr=aladdin
作者小头像 darkpard
471
0
0
2021-12-25 22:24:16
471
0
0
学习笔记|Gram矩阵
Gram函数在感知机、线性可分支持向量机、线性支持向量机、正定核等笔记中均有涉及，可参见学习笔记|感知机（二）、学习笔记|感知机的实现、学习笔记|线性可分支持向量机学习的对偶算法、学习笔记|线性支持向量机学习的对偶算法和学习笔记|正定核。1. Gram矩阵的定义令则2. Gram矩阵的应用2.1. 感知机中的Gram矩阵（可参见学习笔记|感知机（二））将步骤（3）展开可得：列出步骤（3）的所...
作者小头像 darkpard
713
0
0
2021-12-24 19:33:19
713
0
0
学习笔记|EM算法在高斯混合模型学习中的应用
EM算法的一个重要应用是高斯混合模型的参数估计。高斯混合模型应用广泛，在许多情况下，EM算法是学习高斯混合模型的有效方法。1. 高斯混合模型高斯混合模型定义： 高斯混合模型是指具有如下形式的概率分布模型：称为第k个分模型。一般混合模型可以由任意概率分布密度代替高斯分布密度。2. 高斯混合模型参数估计的EM算法明确隐变量，写出完全数据的对数似然函数j=1,2,...,N; k=1,2,...,...
作者小头像 darkpard
519
0
0
2021-12-23 19:59:18
519
0
0
学习笔记|EM算法的收敛性
EM算法提供一种近似计算含有隐变量概率模型的极大似然估计的方法。EM算法的最大优点是简单性和普适性。我们很自然地要问：EM算法得到的估计序列是否收敛？如果收敛，是否收敛到全局最大值或局部极大值？下面给出关于EM算法收敛性的两个定理。证明： 由于取对数有（可参见学习笔记|EM算法介绍及EM算法的导出及其在无监督学习中的应用）令于是对数似然函数可以写成这里的不等号由Jensen不等式得到。由此可...
作者小头像 darkpard
687
0
0
2021-12-22 20:03:25
687
0
0
学习笔记|EM算法的导出及其在无监督学习中的应用
1. EM算法的导出为什么EM算法能近似实现对观测数据的极大似然估计呢？下面通过近似求解观测数据的对数似然函数的极大化问题来导出EM算法，由此可以清楚地看出EM算法的作用。我们面对一个含有隐变量的概率模型，目标是极大化观测数据（不完全数据）Y关于参数θ的对数似然函数，即极大化注意到这一极大化的主要困难是含有未观测数据并有包含和（或积分）的对数。利用Jensen不等式得到其下界：令则上式等价于...
作者小头像 darkpard
597
0
0
2021-12-21 18:59:07
597
0
0
总条数：159
  • 1
  • ...
  • 7
  • 8
  • 9
  • ...
  • 16
到第 页

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注 私信