V
主页
【烨】高维概率 | 12: 非独立 Concentration 与 Lipschitz 条件
发布人
第十二讲,非独立条件下 f(X) 的 concentration
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】高维概率 | 10: 随机矩阵Concentration
【烨】高维概率 | 25: 矩阵恢复
【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】这是我听过最无聊的《高维概率》课程
【烨】高维概率 | 9: 随机矩阵基础
【烨】高维概率 | 22: VC维
【烨】高维概率 | 11: 随机矩阵应用若干
【烨】高维概率 | 20: Dudley 不等式
【烨】高维概率 15:二次型的 concentration
【烨】高维概率| 6:次高斯随机变量
【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 | 8: 格罗滕迪克不等式
【烨】高维概率 | 5:奇特的高维随机向量
【烨】(4)随机图模型 |《高维概率》课程
【烨】高维概率 | 17: 随机过程基础
【烨】高维概率 | 23: Matrix Deviation 不等式
【烨】高维概率 | 19: 高斯宽度、随机映射
【烨】高维概率 | 16: 随机变量对称化
【烨】高维概率 | 18: 苏达科夫不等式 (随机过程)
【烨·泛化】序言:这可能将是全网最全的泛化理论课程!
【烨】(3) 伯恩斯坦不等式 | 无聊的《高维概率》课程
【烨】高维概率 | 26(终章): Dvoretzky-Milman 定理
[FAI] ICLR23' Best Paper 北大 张博航 | 图神经网络表达能力探究
【烨】高维概率 | 24: Escaping Theorem
【烨】高维概率 | 21: Generic Chaining Bound
【烨·泛化】2.3.3: Rademacher Complexity (property)
[FAI] 清华 温凯越 | SAM 算法为何有用?
【烨】可解释机器学习(1)!XAI实况录制
【烨·泛化】4.1.1: PAC-Bayesian
[FAI] Mila 张鼎怀 | GFlowNets: 结构化概率推断中的探索
【烨 | 因果推断】01: 为什么我们要学因果???
【烨·泛化】0.3.2: PAC Learning
【烨·泛化】0.3.1: No-Free-Lunch Theorem
【烨·泛化】1.1.1: 参数一致性 (consistency)
【烨·泛化】0.2.1: ERM模型
【烨·泛化】1.1.2: 岭回归(ridge regression)
【烨·泛化】2.3.1: Rademacher Complexity
【烨·泛化】2.6.1: 神经网络中的Rademacher Complexity! IT FAILS!