AMATH 301

Published by onesixx on 18-03-01

https://amath.washington.edu/courses/2017/summer/amath/301/a

http://courses.washington.edu/am301/docs/pdf/301.pdf

Week 9 – Singular Value Decomposition

In this section we will discuss the SVD and some of its applications.

Required Videos

Lecture 1: The Singular Value Decomposition
Lecture 2: Principal Component Analysis (PCA)
Lecture 3: PCA for Face Recognition

Statistics

https://github.com/tbmoon/kalman_filter https://github.com/DonghoonPark12/Book_KalmanFilter https://m.blog.naver.com/skwd123/221827247721 https://minding-deep-learning.tistory.com/33 칼만 필터는 시스템의 상태를 추정하는데 사용되는 통계적인 방법입니다. 주로 시간에 따라 변하는 시스템 상태를 추론할 때 사용됩니다. 예를 들어, 자율 주행 자동차의 위치를 추정하거나, 로봇이 자신의 환경을 파악하는 경우에 활용될 수 Read more…

Statistics

Backpropagation

http://cs231n.stanford.edu/ 해석적 미분 [수치미분외에] 가중치W매개변수에 대한 Loss function의 gradient를 구하는 방법 => 계산그래프 (Node와 edge로 데이터를 표현) sigmoid affine softmax 기울기 소실(Vanishing Gradient) https://heytech.tistory.com/388 Layer가 많아질수록 기울기 소실(Vanishing Gradient) 현상때문 학습이 잘 되지 않습니다.Vanishing Gradient란 Read more…

Statistics

독립 종속 사건

모든 사건(Event)는 독립/종속 둘중 하나 독립 (In-dependent Events) Pr(A⎮B) = Pr(A) = Pr(A|B’) Pr(A∩B) = Pr(A)•Pr(B) => 독립여부 판별에 사용됨 B사건의 발생여부가 A사건이 발생확률에 영향을 주지 않는 것.(cf. 배반사건은 B사건이 발생했을때 A사건이 발생확률이 0로 독립이 Read more…

AMATH 301

Week 9 – Singular Value Decomposition

Required Videos

onesixx

Related Posts

KalmanFilter

Backpropagation

독립 종속 사건