《深度学习》花书训练营 个人笔记 week1-day2：无约束优化和有约束优化
任务标题：花书3-4章 任务简介：概率与信息论，数值计算 详细说明： 1. 概率与信息论 3.1-3.8：概率论基础概念 3.9.1-3.9.4，3.9.6：简单概率分布函数，混合分布 3.10：sigmoid、softplus函数性质 3.11：贝叶斯规则 3.13：信息论基础 3.14：概率图模型基础 2. 数值计算 4.1-4.2：上溢和下溢，病态条件 4.3：基于梯度的优化方法 4.4：约
相关文章
- 1. 无约束优化
- 2. 无约束最优化
- 3. 约束优化 —— UDE
- 4. 《最优化导论》-6集合约束和无约束优化问题基础
- 5. 最优化方法笔记1：一维无约束最优化
- 6. 支持向量机(SVM)的约束和无约束优化、理论和实现
- 7. 无约束非线性优化经典算法学习笔记
- 8. 无约束最优化方法
- 9. 【最优化理论】4.1无约束最优化
- 10. 凸优化学习-（二十四）无约束优化算法——梯度下降法
- 更多相关文章...
- • SQLite 约束 - SQLite教程
- • SQL 约束（Constraints） - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 无约束优化
- 2. 无约束最优化
- 3. 约束优化 —— UDE
- 4. 《最优化导论》-6集合约束和无约束优化问题基础
- 5. 最优化方法笔记1：一维无约束最优化
- 6. 支持向量机(SVM)的约束和无约束优化、理论和实现
- 7. 无约束非线性优化经典算法学习笔记
- 8. 无约束最优化方法
- 9. 【最优化理论】4.1无约束最优化
- 10. 凸优化学习-（二十四）无约束优化算法——梯度下降法