以上转载自https://blog.csdn.net/weixin_40718664/article/details/104439350
由於是word格式，在這裏我就直接放截圖了，都是自己的思考，謝謝大家！ 參考文獻：《深入淺出圖神經網絡》
上述的卷積方式是帶有反轉的卷積，而不帶反轉的卷積操作稱爲互相關卷積，在進行卷積的過程中需要指明屬於哪一種卷積。對於5.6式子中，如果i，j分別取1，很明顯會出現x取到-1位置的情況，我個人理解是可能這個時候的卷積就屬於無效卷積了，因
在這個地方整蒙了，W1和W2這倆是矩陣的標記，但是後面只有個Tr-1和Cr-1，我？？？？ 實際上，1 x Tr-1這種表示，即可以是向量也可以是矩陣呀，沒有問題，往下理解是向量，往上理解就是矩陣， 其次，W1與 做運算是將W1當作T
《統計學習方法》-樸素貝葉斯-後驗概率最大化含義；含推導過程和個人見解 一、損失函數期望公式： 二、 三、條件期望最小化推導理解 以上圖引用自https://blog.csdn.net/REA_UTOPIA/article/deta
Vector space model is well known in information retrieval where each document is represented as a vector. The vector co
如果樣本量多，邏輯迴歸問題很複雜，而原始特徵只有x1,x2可以用多項式創建更多的特徵x1、x2、x1x2、x1^2、x2^2、... X1^nX2^n。因爲更多的特徵進行邏輯迴歸時，得到的分割線可以是任意高階函數的形狀。 feature
