2026
1
2025
64
- Gaussian Mixture Models and Factor Analysis Variational Auto Encoder
- K-means and Expectation Maximization
- Boosting
- Decision Tree and Bagging
- Basic Machine Learning Theories
- 浅谈机器学习
- Representor Theorem and Kernels
- Support Vector Machines
- Generative Learning Algorithms
- Logistic Regression and Generalized Linear Models
- Linear Regression
- 一些基础内容
- Instance：Image Generators
- Diffusion Models
- Diffusion and Fokker-Planck Equation
- Definition of Stochastic Differential Equation
- Flow Models
- Basic Fluid Mechanics
- 浅谈深度生成模型
- 拉格朗日对偶性 浅谈最优化方法
- 不等式约束优化问题的KKT条件
- 等式约束优化问题的拉格朗日条件
- 计算理论之美【2025】
- 随机数值线性代数
- 浅谈现代哈希设计
- 浅谈概率集中不等式
- 随机算法基础
- 代数扩张与多项式的分裂域
- 域上的向量空间与扩域
- 唯一分解整环上的多项式环 主理想整环与欧几里得整环
- 唯一分解整环
- 多项式环与整环的商域 环、域、理想与商环 环同态、素理想、极大理想与环的特征
- 浅谈近世代数
- 微分熵
- 信道模型与信道容量
- 典型集与渐进均分性 马尔可夫链与法诺不等式 熵的性质 熵率 信息熵的定义
- 基础信息论
- 浅谈强化学习的深度学习方法
- 生成模型：自回归模型、变分自编码器与生成对抗网络 视频识别与分类
- 3D 视觉
- 西罗定理的证明
- 物件侦测与语义分割
- 卷积神经网络的可视化与可解释性
- 循环神经网络 注意力机制
- 如何训练神经网络
- 卷积神经网络 卷积神经网络的发展
- 反向传播 神经网络 梯度下降法 线性分类器 K-近邻与交叉验证
- 关于深度学习
2024
1
2023
5
2020
1