EM 算法逐行推:期望步为何收敛
导读:PRML 第 9 章的 EM 算法是潜变量模型的通用训练机。它的收敛性证明(ELBO 单调不降)比算法本 […]
ARCHIVE
导读:PRML 第 9 章的 EM 算法是潜变量模型的通用训练机。它的收敛性证明(ELBO 单调不降)比算法本 […]
导读:PRML 第 3 章用线性回归演示完整的贝叶斯流程:先验、似然、后验、预测分布,每一步都是分布而不是点。 […]
导读:Goodfellow 第 8 章加工程实践:优化器不是越新越好,而是与病态几何和噪声结构的适配问题。 S […]
导读:深度学习的泛化能力来自一套正则化组合拳。Goodfellow 第 7 章把这些技术按作用机理分类,避免「 […]
导读:Goodfellow《深度学习》第 6 章的精髓:把反向传播理解为计算图上的链式法则,而不是需要背诵的公 […]
导读:综合费曼(图像)、Griffiths/Sakurai(公式)、Kittel(模型)三家的作业纪律,一份物 […]
导读:贯穿费曼讲义与 Kittel 的隐藏技能:量纲分析 + 数量级估计,在无法精确求解时给出近乎正确的物理答 […]
导读:Hecht 保留的经典技巧:把波前切成半波带,矢量加法变成几何画图——自由空间传播「为什么光走直线」的最 […]
导读:Hecht 相干章回答「什么样的两束光能干涉」:相干性是干涉能力的定量刻画,分时间(纵向)与空间(横向) […]
导读:Hecht 衍射章的精髓:夫琅禾费衍射图样就是孔径函数的傅里叶变换——一次学会,单缝、双缝、圆孔、光栅全 […]