网上的尼采 分享的百度云盘资源
网上的尼采分享的百度云盘资源
-
PRML读书会合集打印版.pdf
2020-11-29 07:50:24 12668636 -
PRML Probability Distributions by 尼采.pdf
2020-05-23 21:23:54 1292975 -
PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率生成和判别模型、逻辑回归).pdf
2020-04-27 12:25:34 2809542 -
PRML读书会第一章 Introduction(机器学习基本概念、学习理论、模型选择、维灾).pdf
2020-04-13 01:39:22 1911717 -
PRML读书会第七章 Sparse Kernel Machines(支持向量机 support vector machine ;KKT条件;RVM).pdf
2020-01-05 22:39:32 1356601 -
PRML读书会第八章 Graphical Models(贝叶斯网络和马尔科夫随机场的概念、联合概率分解、条件独立表示;图的概率推断inference).pdf
2019-12-31 08:46:20 958485 -
PRML读书会第九章 Mixture Models and EM(Kmeans;混合高斯模型以及EM(Expectation Maximization)算法;一般EM算法性质的推导和证明).pdf
2019-12-22 23:50:24 1090656 -
PRML读书会第十四章 Combining Models(committees;Boosting、AdaBoost;决策树和条件混合模型).pdf
2019-11-19 08:27:22 1397959 -
PRML读书会 前言 (各章内容简介).pdf
2017-04-14 00:13:15 337.85 KB -
MLAPP 第七章讲课(主讲人 红烧鱼 2014 4 20).pdf
2017-04-14 00:13:14 1.35 MB -
PRML Probability Distributions by 尼采.pdf
2017-04-14 00:13:13 1.23 MB -
MLAPP读书会 第一章Introduction 第二章 Probability by 尼采.pdf
2017-04-14 00:13:10 1.38 MB -
Generative verses discriminative classifier.pdf
2017-04-14 00:13:09 1.95 MB -
PRML读书会讲稿5寸手机版.rar
2017-04-14 00:13:06 42.48 MB -
PRML读书会合集打印版.pdf
2017-04-14 00:13:03 12.08 MB -
PRML读书会 前言 (各章内容简介).pdf
2017-04-14 00:13:01 337.85 KB -
PRML读书会第八章 Graphical Models(贝叶斯网络和马尔科夫随机场的概念、联合概率分解、条件独立表示;图的概率推断inference).pdf
2017-04-14 00:12:58 936.02 KB -
PRML读书会第二章 Probability Distributions(贝塔-二项式、狄利克雷-多项式共轭、高斯分布、指数族).pdf
2017-04-14 00:12:52 1.28 MB -
PRML读书会第九章 Mixture Models and EM(Kmeans;混合高斯模型以及EM(Expectation Maximization)算法;一般EM算法性质的推导和证明).pdf
2017-04-14 00:12:49 1.04 MB -
PRML读书会第六章 Kernel Methods(核函数,线性回归的Dual Representations;高斯过程 Gaussian Processes的协方差矩阵形式、超参、预测).pdf
2017-04-14 00:12:47 992.01 KB -
PRML读书会第七章 Sparse Kernel Machines(支持向量机 support vector machine ;KKT条件;RVM).pdf
2017-04-14 00:12:45 1.29 MB -
PRML读书会第三章 Linear Models for Regression(线性基函数模型、正则化方法、贝叶斯线性回归).pdf
2017-04-14 00:12:42 2.25 MB -
PRML读书会第十二章 Continuous Latent Variables(PCA Principal Component Analysis;PPCA;核PCA;Autoencoder、非线性流形思想).pdf
2017-04-14 00:12:38 715.25 KB -
PRML读书会第十三章 Sequential Data(Hidden Markov Models及其EM求解、HMM的预测和解码).pdf
2017-04-14 00:12:36 710.64 KB -
PRML读书会第十四章 Combining Models(committees;Boosting、AdaBoost;决策树和条件混合模型).pdf
2017-04-14 00:12:34 1.33 MB -
PRML读书会第十一章 Sampling Methods(MCMC Markov Chain Monte Carlo,细致平稳条件;Metropolis-Hastings,Gibbs Sampling;Slice Sampling、Hami
2017-04-14 00:12:29 885.46 KB -
PRML读书会第十章 Variational Inference(近似推断、变分推断用到的KL散度、根据平均场 Mean Field 思想的分解及迭代求最优解).pdf
2017-04-14 00:12:24 1.35 MB -
PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率生成和判别模型、逻辑回归).pdf
2017-04-14 00:12:20 2.68 MB -
PRML读书会第一章 Introduction(机器学习基本概念、学习理论、模型选择、维灾).pdf
2017-04-14 00:12:17 1.82 MB -
PRML读书会第五章 Neural Networks(神经网络、BP误差后向传播链式求导法则、正则化、卷积网络).pdf
2017-04-14 00:12:08 974.37 KB