Set-Theory-and-Logic

Problem Forecasting time series. Other methods' drawback: even though existing methods (exponential smoothing, auto-regression and moving average-MA, ARIMA, maximum entropy method, modified grey model) have a good performance, they are not accurate e

声明:转来的,原文出处:http://blog.csdn.net/achaoluo007/article/details/43564321 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. &

http://blog.csdn.net/v_july_v/article/details/8308762 数据挖掘中所需的概率论与数理统计知识 (关键词:微积分.概率分布.期望.方差.协方差.数理统计简史.大数定律.中心极限定理.正态分布) 导言:本文从微积分相关概念,梳理到概率论与数理统计中的相关知识,但本文之压轴戏在本文第4节(彻底颠覆以前读书时大学课本灌输给你的观念,一探正态分布之神秘芳踪,知晓其前后发明历史由来),相信,每一个学过概率论与数理统计的朋友都有必要了解数理统计学简史,因为,

      数学院本科生课程信息汇总表         课程代码 课程名称 英文课程名称 课程组成员 学分 先导课程 参考教材 作者 出版社 1010011090 概率论 江一鸣 4 数学分析 概率论基础 李贤平 高等教育出版社 1010011690 金融信用风险 江一鸣 3 概率论 金融衍生品定价模型---数理金融引论 孙健 中国经济出版社 1010010120 抽象函数与Banach代数 Abstract Functions and Banach Algebras 刘锐 3 实变函数(实分析

神说,要有正态分布,就有了正态分布.神看正态分布是好的,就让随机误差服从了正态分布.创世纪—数理统计 1. 正态分布,熟悉的陌生人 学过基础统计学的同学大都对正态分布非常熟悉.这个钟形的分布曲线不但形状优雅,它对应的密度函数写成数学表达式 f(x)=12π−−√σe−(x−μ)22σ2 也非常具有数学的美感.其标准化后的概率密度函数 f(x)=12π−−√e−x22 更加的简洁漂亮,两个最重要的数学常量 π.e 都出现在这公式之中.在我个人的审美之中,它也属于 top-N 的最美丽的数学公式之一

前言 一个月余前,在微博上感慨道,不知日后是否有无机会搞DM,微博上的朋友只看不发的围脖评论道:算法研究领域,那里要的是数学,你可以深入学习数学,将算法普及当兴趣.想想,甚合我意.自此,便从rickjin写的"正态分布的前世今生"开始研习数学. 如之前微博上所说,"今年5月接触DM,循序学习决策树.贝叶斯,SVM.KNN,感数学功底不足,遂补数学,从'正态分布的前后今生'中感到数学史有趣,故买本微积分概念发展史读,在叹服前人伟大的创造之余,感微积分概念模糊,复习高等数学上册,

http://songshuhui.net/archives/77386 作 者: rickjin(靳志辉??) 校 对: 汤涛,香港浸会大学数学讲座教授 正态分布的前世今生(上) 六.开疆扩土,正态分布的进一步发展 19世纪初,随着拉普拉斯中心极限定理的建立与高斯正态误差理论的问世,正态分布开始崭露头角,逐步在近代概率论和数理统计学中大放异彩.在概率论中,由于拉普拉斯的推动,中心极限定理发展成为现代概率论的一块基石.而在数理统计学中,在高斯的大力提倡之下,正态分布开始逐步畅行于天下. 6.1

感谢:https://github.com/ty4z2008/Qix/blob/master/dl.md <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室 Jurgen Schmidhuber

编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.并且原文也会不定期的更新.望看到文章的朋友能够学到很多其它. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍非常全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室

The Fallacy of Perfect Execution David Wood Fredericksburg, Virginia, U.S. IF YOU THINK YOU CAN CREATE FLAWLESS CODE if you work hard enough, don't be embarrassed. Many others have thought so, too. Unfortunately, it is not possible. Even in theory. A