 |
线性代数与数据学习
目录
●第1章 线性代数的重点
1.1 使用A的列向量实现Ax的相乘
1.2 矩阵与矩阵相乘：AB
1.3 4个基本子空间
1.4 消元法与A=LU
1.5 正交矩阵与子空间
1.6 特征值和特征向量
1.7 对称正定矩阵
1.8 奇异值分解中的奇异值和奇异向量
1.9 主成分和很好低秩矩阵
1.10 Rayleigh商和广义特征值
1.11 向量、函数和矩阵的范数
1.12 矩阵和张量的分解：非负性和稀疏性
第2章 大规模矩阵的计算
2.1 数值线性代数
2.2 最小二乘：4种方法
2.3 列空间的3种基
2.4 随机线性代数
第3章 低秩与压缩传感
……
内容介绍
Gilbert Strang是麻省理工学院数学教授，美国国家科学院院士和美国艺术与科学院院士，在有限元理论、变分法、小波分析及线性代数等领域卓有成就，著有多部经典数学教材，开设多门开放式课程，享有国际盛誉。
本书是深度学习的导论，全面介绍机器学习的数学基础，阐述架构神经网络的核心思想，主要内容包括线性代数的重点、大规模矩阵的计算、低秩与压缩传感、特殊矩阵、概率与统计、很优化、数据学习等。本书可作为数据科学方向的数学基础课程教材，也可供人工智能、深度学习领域的科研人员和工程技术人员参考。
1. 打开微信，扫一扫左侧二维码
2. 点击右上角图标
3. 发送给朋友、分享到朋友圈、收藏
微信支付
支付宝
扫一扫购买
1. 打开微信，扫一扫左侧二维码
2. 点击右上角图标
3. 发送给朋友、分享到朋友圈、收藏
