V
主页
【Proof-Trivial】最优传输与平均场博弈 (Optimal transport and Mean field games)【Wuchen Li】
发布人
https://people.math.sc.edu/wuchen/Seminar.html 持续更新相关讲座
打开封面
下载高清视频
观看高清视频
视频下载器
【Proof-Trivial】最优传输前沿讲座 (Optimal Transport) (更新中...)
【Proof-Trivial】数学视角下的Transformer【MIT数学系-Philippe Rigollett】
【Proof-Trivial】【入门】基于物理信息的神经网络-Physics-Informed Neural Networks (PINNs)
【Proof-Trivial】分布鲁棒优化 (Distributionally Robust Optimization, DRO)
【Proof-Trivial】最优传输中的【几何】与【动力学】(Fields Institute)
【Proof-Trivial】【2023年】最优化:建模、算法与理论 【北京大学 文再文】
【Proof-Trivial】流形上的优化 @Nicolas Boumal (ENS→Princeton→EPFL)
地表最强AI主播Neuro-sama和她的老父亲Vedal一起正式入驻B站啦!
【Proof-Trivial】哈密顿系统与辛几何
【Proof-Trivial】随机矩阵理论
【Proof-Trivial】深度强化学习基础 (DRL)——复旦大学 (赵卫东)
【Proof-Trivial】K-理论 (K-theory)
【Proof-Trivial】格林函数 (Green's functions) —— 微分方程专业杀手
【Proof-Trivial】热知识——没被MIT录取的原因 (Doge)
OpenAI内忧外患,高管跑路,还被马斯克指控
【Proof-Trivial】【讲座】在线学习与在线凸优化 (Online Learning&Convex Optimization)
【Proof-Trivial】 3.833... 分钟了解什么是【流形】
【Proof-Trivial】从理论和实践两个角度审视 Linear Transformers
【Proof-Trivial】深度学习的第一性原理 (Deep Networks from First Principles) 【马毅】
【Proof-Trivial】偏微分方程进阶【北京大学 楚健春】
【Proof-Trivial】深度学习理论中的 SGD & 过参数化 & 泛化理论 —— Jason Lee (USC, Princeton)
【Proof-Trivial】凸优化-Stephen Boyd-Stanford (2023-2024最新课程)
【Proof-Trivial】高等数理统计(基于测度论) 清华大学
密歇根大学《物理问题的有限元方法The Finite Element Method for Problems in Physics》中英字幕
【Proof-Trivial】实分析保姆级入门 —— 从【极限定义】到【勒贝格积分】更新中......
【Proof-Trivial】什么是【几何代数 ( Geometric Algebra/Clifford Algebra) 】
【Proof-Trivial】如何学习偏微分方程/数学物理方程 (PDE)
【Proof-Trivial】如何自学纯数学
【Proof-Trivial】将Transformers视为支持向量机 (Transformers as Support Vector Machines)
【Proof-Trivial】量子信号处理 (Quantum Signal Processing)
【Proof-Trivial】【Simons Institute】优化与采样中的几何方法 —— 机器学习理论研究者必刷
【Proof-Trivial】【IROS‘22】机器人学习、优化与控制中的几何方法
【Proof-Trivial】采样和优化的几何视角 (Geometric Aspects of Sampling and Optimization)
“至此,已成艺术”当你用AI把鲤鱼的小老弟复活
【Proof-Trivial】重新审视强化学习理论基础【Nan Jiang @UIUC】
【Proof-Trivial】从动力系统的视角看人工神经网络
【Proof-Trivial】变分学 【北京大学 张恭庆院士】【希尔伯特第23个问题】
【Proof-Trivial】控制理论中的在线优化(Competitive Control via Online Optimization) @加州理工学院
【Proof-Trivial】从高斯过程(GP)到神经正切核(NTK) —— 无限宽神经网络指北
【Proof-Trivial】改变世界的数学(科学)大师(持续更新...)