Публикации по теме 'mathematics'
Теория графов 2
В прошлый раз мы говорили о теории графов и ее многочисленных приложениях, в том числе о том, что такое простой граф. На этот раз мы рассмотрим их структуру и свойства.
Чтобы убедиться, что мы все находимся на одной странице, давайте кратко рассмотрим, что такое график и какой график мы будем рассматривать в этом уроке.
Граф представляет собой набор точек (или вершин) и отношений между ними. Мы будем рассматривать графы, которые являются простыми (что означает, что каждая пара вершин..
50 математических концепций для лучшего программирования (часть 7)
25. Булева логика
Разработанный Джорджем Булем , это систематический способ кодирования логических значений ( True и False ) в переменные и выполнения над ними операций (как в алгебре).
Булевы переменные можно комбинировать с помощью логических вентилей .
Логические вентили выполняют логическую операцию на одном или нескольких двоичных входах и создают один двоичный выход.
В компьютере логические вентили реализованы с использованием диодов и транзисторов .
Такие..
Функция инвертирования нейронной сети
Инвертирование функции с помощью нейронной сети (с кодом)
1. Введение
Хотя инвертировать такую функцию, как y = mx , чтобы получить обратную, x = y/m , несложно, некоторые функции не так-то просто инвертировать. Одной из таких функций является кумулятивная функция распределения (CDF) нормального распределения вероятностей (уравнение 1), где ни CDF, ни обратная CDF ( функция квантиля ) не могут быть выражены в закрытой форме. В данной статье представлен метод обращения функции с..
Математика для машинного обучения и искусственного интеллекта
Хотя машинное обучение и искусственный интеллект становятся все более и более доступными, знание математики, лежащей в основе алгоритмов, делает вас лучшим практиком. У многих людей есть боязнь математики, которая отпугивает их от математических знаний в этой области. В этом посте мы собрали книги, которые помогут вам преодолеть боязнь математики и изучить математику в достаточном количестве, чтобы понять и оценить математические основы машинного обучения и искусственного интеллекта...
Как прогнозировать с SARIMA
Глубокое погружение в модель SARIMA и ее приложения
Фон
В одном из моих предыдущих постов мы рассмотрели, пожалуй, самую известную модель sk-прогнозирования, авторегрессионную интегрированную скользящую среднюю , более известную как ARIMA . Однако одним из недостатков этой модели является то, что в ней не учитывается какая-либо сезонность . Здесь на помощь приходит модель Сезонная авторегрессионная интегрированная скользящая средняя или SARIMA . В этом посте мы..
Забудьте о детерминизме, см. Случайность в действии: как моделировать цены на акции
Геометрическое броуновское движение в Python с Matplotlib
Нашу интуицию легко исказить с помощью простого мысленного эксперимента. Если кто-то предложит вам миллион долларов сразу или даст вам пенни, которые удваиваются каждый день в течение месяца, что бы вы выбрали? Выбор за вами, но я бы посоветовал выбрать копейки.
Что важно в предыдущей головоломке, так это то, что удвоение пенни подчиняется закону геометрической прогрессии . Это закон мультипликативного выражения изменений в..
Трехмерные хаотические аттракторы в C++
Трехмерные хаотические аттракторы в C++
Аттрактор — это система, описываемая дифференциальными уравнениями для конкретных переменных, например, X, Y и Z в декартовой системе координат. Эти переменные изменяются со временем в соответствии с конкретным уравнением, определяемым спецификацией аттрактора. Переменные X, Y и Z определяли состояние системы во времени, здесь положение частицы в декартовой системе. Прелесть каждого аттрактора заключается в том, что система является..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..