V
主页
【烨】高维概率 | 11: 随机矩阵应用若干
发布人
随机矩阵的一些应用,包括纠错编码和网络中的社区检测。
打开封面
下载高清视频
观看高清视频
视频下载器
【烨】高维概率 | 7: 随机变量的Concentration
【烨】(3) 伯恩斯坦不等式 | 无聊的《高维概率》课程
【烨】高维概率 | 10: 随机矩阵Concentration
【烨】高维概率 | 14: Johnson-Lindenstrauss Lemma
【烨】高维概率 | 13: 矩阵伯恩斯坦不等式
【烨】高维概率 | 25: 矩阵恢复
【烨】高维概率 | 20: Dudley 不等式
【烨】高维概率 | 18: 苏达科夫不等式 (随机过程)
【烨】高维概率 | 19: 高斯宽度、随机映射
【烨】高维概率 | 17: 随机过程基础
【烨】高维概率| 6:次高斯随机变量
【烨】(4)随机图模型 |《高维概率》课程
【烨】高维概率 15:二次型的 concentration
【烨】高维概率 | 12: 非独立 Concentration 与 Lipschitz 条件
【烨】高维概率 | 26(终章): Dvoretzky-Milman 定理
【烨】高维概率 | 22: VC维
【烨】这是我讲过最全的保研分享呢!
【烨】(2)霍弗丁不等式| 这是我听过最无聊的《高维概率》课程
【烨】高维概率 | 24: Escaping Theorem
【烨】高维概率 | 23: Matrix Deviation 不等式
【烨】高维概率 | 21: Generic Chaining Bound
【烨 | 因果推断】01: 为什么我们要学因果???
【烨】这是我讲过最有意思的《数据分析》呢!
[FAI] 清华 温凯越 | SAM 算法为何有用?
【烨】可解释机器学习实况(5):可解释模型都有啥?(中篇)
[FAI] ICLR23' Best Paper 北大 张博航 | 图神经网络表达能力探究
【烨·泛化】1.1.2: 岭回归(ridge regression)
【烨·泛化】0.2.1: ERM模型
[FAI] Mila 张鼎怀 | GFlowNets: 结构化概率推断中的探索
【烨】【重录版】可解释机器学习实况(5):可解释模型都有啥?(中)
【烨|因果推断】02: 变量间的因果关系(上)
【烨·泛化】2.1.1: 一致收敛 Uniform Convergence
【烨·泛化】2.6.1: 神经网络中的Rademacher Complexity! IT FAILS!
C与C++的区别究竟是什么?
【烨·泛化】2.3.4: 线性函数族的Rademacher Complexity
【烨·泛化】2.3.3: Rademacher Complexity (property)
【烨·泛化】0.3.2: PAC Learning
【烨·泛化】2.3.2: Rademacher Complexity (proof)
[FAI] 复旦 陈乐偲 | 双层优化问题:没有强凸怎么办?
【烨】可解释机器学习实况(3):线性回归也能讲一个小时?