算法-ZHD的小窝

ZHD的小窝

行动起来，活在当下

累计撰写 84 篇文章
累计创建 54 个标签
累计收到 1 条评论

目录CONTENT

以下是算法相关的文章

2025-06-09
AI大模型学习之路（六）阶段1：基础知识储备第五课：概率论基础及其在模型训练中的应用学习目标掌握常见概率分布（高斯、伯努利）的定义与性质。理解贝叶斯定理及其在分类任务中的应用。学会极大似然估计（MLE）的原理与计算方法。实战：用MLE求解线性回归参数，对比梯度下降结果。 1. 概率分布 (1) 高斯分布（正态分
- 2025-06-09
- 0
- 0
- 0
- AI
- 算法
2025-05-19
AI大模型学习之路（五）阶段1：基础知识储备第四课：信息论基础及其应用学习目标理解信息熵、交叉熵与KL散度的定义与物理意义。掌握交叉熵作为分类任务损失函数的设计原理。学会用PyTorch实现交叉熵损失函数。实战：用交叉熵损失训练逻辑回归模型。 1. 信息熵（Entropy） (1) 定义信息熵：度量随机变量的
- 2025-05-19
- 7
- 0
- 0
- 算法
- AI
2025-05-19
AI大模型学习之路（四）阶段1：基础知识储备第三课：微积分基础学习目标理解导数与偏导数的定义及其几何意义。掌握链式法则在神经网络反向传播中的应用。学会梯度下降法的原理与实现。实战：用梯度下降法优化线性回归模型。 1. 导数与偏导数 (1) 导数（Derivative）定义：函数在某一点的瞬时变化率 f'(x)
- 2025-05-19
- 13
- 0
- 0
- 算法
- AI
2025-04-17
示例：简单神经网络中的链式法则与反向传播示例：简单神经网络中的链式法则与反向传播 ‌网络结构‌：输入： x = 2 线性层： z = w \cdot x + b （参数： w = 1 , b = 0 ）激活函数：Sigmoid a = \sigma(z) = \frac{1}{1 + e^{-z}} 损失函数：平方损失 L = (a
- 2025-04-17
- 15
- 0
- 0
- 算法
- AI
2025-04-17
微积分中链式法则和反向传播微积分中链式法则和反向传播链式法则和反向传播是微积分和机器学习中的两个重要概念。链式法则是微积分中的一个基本求导法则，而反向传播则是深度学习中用于训练神经网络的关键算法。链式法则链式法则用于求复合函数的导数。假设有两个函数 y = f(u) 和 u = g(x)，那么复合函数 y = f(g(
- 2025-04-17
- 8
- 0
- 0
- 算法
2022-10-19
一致性算法Raft Raft是一种用于分布式系统中保持一致性的共识算法，旨在提供比Paxos更易于理解和实现的替代方案。它的基本原理可以分为以下几个关键部分：领导者选举：Raft通过选举一个领导者来管理日志的复制。系统中的节点（或服务器）有三种状态：领导者、跟随者和候选者。当一个跟随者未收到来自领导者的消息后，它会变
- 2022-10-19
- 26
- 0
- 0
- 算法