吴恩达在斯坦福CS229课程上，关于PCA（主成分分析）的学习笔记
标签： PCA
上传时间： 2017-12-06
上传用户：20172017qq
数学分析原理，斯坦福，杜克，MIT，佐治亚理工等大学数学分析课程用书
标签： 数学分析
上传时间： 2019-09-12
上传用户：为防辐射地方
本书曾作为美国斯坦福大学机器人学导论的教材，经过两次修订。书中还包括大量分级的习题和编程作业，适合教学参考。本书可作为高等院校相关专业的教材或参考书，也可供相关技术人员参考。
标签： 机器人学
上传时间： 2022-04-14
上传用户：woyaotandang
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：hai7ying
描述线性算子的结构是线性代数的中心任务之一，传统的方法多以行列式为工具，但是行列式既难懂又不直观，其定义的引入也往往缺乏动因。本书作者独辟蹊径，抛弃了这种曲折的思路，把重点放在抽象的向量空间和线性映射上，给出的证明不使用行列式，更显得简单而直观。本书把行列式的内容放在了zui后讲解，开辟了一条理解线性算子结构的新途径。书中还对一些术语、结论、证明思路、提及的数学家做了注释，增加了行文的趣味性，便于读者掌握核心概念和思想方法。本书起点较低，不需要太多预备知识，而特色鲜明，是公认的阐述线性代数的经典佳作。原书自出版以来，迅速风靡世界，在30多个国家为200多所高校所采用，其中包括斯坦福大学和加州大学伯克利分校等知名学府。 本书强调抽象的向量空间和线性映射， 内容涉及多项式、本征值、本征向量、内积空间、迹与行列式等. 本书在内容编排和处理方法上与国内通行的做法大不相同， 它完全抛开行列式， 采用更直接、更简捷的方法阐述了向量空间和线性算子的基本理论. 书中对一些术语、结论、数学家、证明思想和启示等做了注释， 不仅增加了趣味性， 还加强了读者对一些概念和思想方法的理解.
标签： 线性代数
上传时间： 2022-05-21
上传用户：qdxqdxqdxqdx
计算智能.人工神经网络·模糊系统·进化计_12531.pdf 30.1M 斯坦福大学-深度学习基础教程.pdf 9.4M [游戏人工智能编程案例精粹].(Programming.Game.AI.by.Example).(美)Mat.Buckland.扫描版.pdf 54.4M 深度学习基础教程.pdf 9.5M [模式识别与智能计算：MATLAB技术实现(第2版)].杨淑莹.扫描版.pdf 29.3M 机器学习：实用案例解析（中文版，带完整书签）.pdf 34.7M .DS_Store 6KB python 学习资料 .pdf 747KB 深度学习的昨天、今天和明天.pdf 976KB 【试读】《自然计算：DNA、量子比特和智能机器的未来》前言+目录+第1章.pdf 4.6M 百度深度学习-CCF-2013Sep.pptx 28.7M 机器学习与数据挖掘方法和应用.pdf 17.6M 深度学习(最全的中文版)_2017年新书.pdf 30.3M 机器学习与数据挖掘方法和应用（经典）.pdf 12M 模式识别与智能计算-matlab技术实现.pdf 27.9M 欧盟在多领域的物联网技术应用需求.rar 1.1M 伯克利大学机器学习(Practical Machine Learning).rar 35.8M 深度学习结构和算法比较分析.pdf 1.7M 机器学习实战及配套代码.rar 39.5M 机器学习实践经验指导.pdf 449KB 余凯_深度学习的昨天今天和明天.pdf 913KB 浅谈深度学习_肖达.pdf 10.2M 人工智能原理与应用——专家系统、机器学习、面向对象的方法_10184566.pdf 9.8M 机器学习与概率图模型_王立威.pdf 1.8M 机器学习十大算法.pdf 4.9M 百度深度学习进展介绍.ppt 18M 机器学习部分课后习题答案.zip 651KB 深度学习——机器学习领域的新热点.pdf 4.4M 科研立项的极客之道.ppt 11.2M
上传时间： 2013-07-02
上传用户：eeworm
图像配准理论及算法研究.pdf cnn_tutorial.pdf Deep Learning（深度学习）学习笔记整理.pdf 00.神经⽹络与深度学习.pdf deep learning.pdf 深度学习方法及应用PDF高清晰完整版.pdf 斯坦福大学-深度学习基础教程.pdf 深度学习基础教程.pdf deep+learning.pdf 深度学习 中文版 ---文字版.pdf 神经网络与机器学习（原书第3版）.pdf
上传时间： 2013-06-07
上传用户：eeworm
