V
主页
【烨】高维概率 | 21: Generic Chaining Bound
发布人
21: Generic Chaining Bound
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 | 14: Johnson-Lindenstrauss Lemma
【烨】高维概率 | 25: 矩阵恢复
【烨】高维概率 | 22: VC维
【烨】高维概率 | 20: Dudley 不等式
【烨】高维概率 | 5:奇特的高维随机向量
【烨】高维概率 | 9: 随机矩阵基础
【烨】高维概率 | 23: Matrix Deviation 不等式
【烨】高维概率 | 26(终章): Dvoretzky-Milman 定理
【烨】高维概率 | 12: 非独立 Concentration 与 Lipschitz 条件
【烨】高维概率 | 8: 格罗滕迪克不等式
【烨】高维概率 | 17: 随机过程基础
【烨】高维概率 | 11: 随机矩阵应用若干
【烨】高维概率 | 19: 高斯宽度、随机映射
【烨】(4)随机图模型 |《高维概率》课程
【烨·泛化】序言:这可能将是全网最全的泛化理论课程!
【烨】高维概率| 6:次高斯随机变量
【烨·泛化】2.3.3: Rademacher Complexity (property)
【烨 | 因果推断】01: 为什么我们要学因果???
【烨】高维概率 | 10: 随机矩阵Concentration
【烨】(3) 伯恩斯坦不等式 | 无聊的《高维概率》课程
【烨】高维概率 | 13: 矩阵伯恩斯坦不等式
【烨·泛化】0.2.1: ERM模型
【烨·泛化】0.3.2: PAC Learning
【烨】这是我讲过最全的保研分享呢!
[FAI] Mila 张鼎怀 | GFlowNets: 结构化概率推断中的探索
【烨·泛化】2.6.1: 神经网络中的Rademacher Complexity! IT FAILS!
【烨·泛化】0.3.3: PAC与有限假设类
【烨·泛化】1.1.2: 岭回归(ridge regression)
[FAI] 清华 温凯越 | SAM 算法为何有用?
【烨·泛化】4.1.1: PAC-Bayesian
【烨·泛化】2.6.2: [NeurIPS Best Paper] 一致收敛无法解释泛化
【烨】可解释机器学习(1)!XAI实况录制
【烨|因果推断】02: 变量间的因果关系(上)
【烨·泛化】1.2.1: 广义线性模型 GLM
【烨·泛化】0.3.1: No-Free-Lunch Theorem
【烨·泛化】2.3.4: 线性函数族的Rademacher Complexity
【烨·泛化】4.1.2: PAC-Bayesian (proof)
【烨·泛化】1.1.1: 参数一致性 (consistency)
【烨·泛化】2.6.3: 一致收敛完蛋了吗?或许也没那么糟... 无噪情况的一致收敛
30秒,读博,苦。