数学基础 第2页
数学基础模块涵盖了高等数学、概率论等与AI密切相关的基础知识，为学习者打下扎实的数学基础。通过深入浅出的讲解，帮助你理解线性代数、微积分、概率统计等数学概念在人工智能中的应用。无论是模型训练、数据分析，还是算法优化，掌握这些核心数学原理将为深入学习AI技术提供强有力的支撑。
排序
参数估计
统计推断是依据从总体中抽取的一个简单随机样本对总体进行分析和判断。统计推断的基本问题可以分为两大类：一类是参数估计问题，一类是假设检验问题。本节主要讨论总体参数的点估计和区间估计。...
5个月前
微分与函数的单调性、极值和凹凸性
函数单调性 函数单调性定义：若\(fx)\)在\((a,b)\)内可导，如果\(f'(x)>0\)，那么函数在\((a,b)\)内单调递增；如果\(f'(x)<0\)，那么函数在\((a.b)\)内单调递减。 用微分的定义（微分解释了...
5个月前
概率论基础
概率论介绍 概率论主要研究随机事件。人们对某些事件发生的可能性高低一般都有直观的认识，所以未经特殊训练就会使用“可能”、“不可能”之类的词汇。概率论会介绍如何量化这种可能性。 为了更...
5个月前
矩阵乘法
叉乘（普通乘法） 矩阵乘法（Matmul Product）是两个矩形相乘的操作，其结果是另一个矩阵。定义如下： 设有两个矩阵\(\boldsymbol{A}\)和\(\boldsymbol{b}\)，令\(\boldsymbol{A}\)是一个\(m\ti...
5个月前
微积分的基本定理
微积分不仅研究一个函数更深刻的性质（即更精细的乘除法），还研究不同函数之间的关系。举一个圆的例子，如果已知圆的周长，怎么求面积？ 积分近似求解圆面积 上图中，当知道周长求面积时就用到...
5个月前
定积分与牛顿-莱布尼茨公式
牛顿-莱布尼茨公式提供了一种计算定积分的方法，即通过求取两个不定积分的差值。在机器学习中，这常常用于计算概率或期望值。例如在贝叶斯机器学习中，经常需要计算概率分布的期望值或方差。使...
5个月前不定积分和反导数
不定积分在机器学习中主要用于计算函数的原函数，尤其是在概率密度函数和累积分布函数之间的转换中。例如，在概率论和统计中，累积分布函数 (CDF) 是概率密度函数 (PDF) 的不定积分。对于某些模...
5个月前
重识积分
积分的几何解释是：该函数曲线下的面积。 积分的物理解释是： 积分的物理意义随不同物理量而不同，比如对力在时间上积分就是某段时间内力的冲量；如果是对力在空间上的积分就是某段位移里力做的...
5个月前
向量的线性组合
什么是向量 在上述讲解中，已经涉及了三个主要的数学系统：线性方程组、函数图形和矩阵。现在将介绍第四个系统：向量。线性代数的一个核心挑战是它涵盖了多个数学系统。要成功掌握线性代数，关...
5个月前
向量与矩阵
向量的正交 两两正交的非零向量组成的向量组称为正交向量组，若\(a_{1},a_{2},\cdots,a_{r}\) 是两两正交的非零向量，则\(a_{1},a_{2},\cdots,a_{r}\) 线性无关。例如：己知三维空间\(R^{3}\) ...
5个月前
