Home

• 机器学习-主成分分析、潜在语义分析 • 泛函分析-Hilbert 空间上的紧算子（Fredholm理论、谱） • 近世代数-唯一分解整环、主理想整环、欧几里得整环、域（F-向量空间、域扩张） • 偏微分方程-热方程、椭圆方程

• 机器学习-维特比算法、无监督学习（聚类方法、奇异值分解） • 泛函分析-Hilbert 空间上的算子（正交投影算子、同构与等距算子、共轭算子） • 近世代数-特征，商域，多项式环

• 近世代数-群轮、环论（基本性质、同态基本定理） • 离散数学-Enumeration计数（整数分拆、集合分拆、杨图、permutation 排列、Young tableaux、the Robinson-Schensted correspondence - 一种将 permutation 转化为标准杨表的算法）

• 机器学习-聚类方法 • 泛函分析-Hilbert空间理论（内积空间，正交性） • 离散数学-图论基础理论、偏序集 • paper（高效低秩矩阵估计）page6 Algorithm 2

• EM算法的模型参数推导（同时巩固Latex） • 高斯混合模型参数估计的EM算法 • 隐马尔可夫模型(概率计算算法) • paper（高效低秩矩阵估计）page5 Algorithm 1

◦ 概念理解： • 低秩矩阵估计（Low-Rank Matrix Estimation）： ​ 从部分观测值或有噪声的数据中，恢复或近似一个低秩矩阵（数据矩阵维度过高，有效信息集中在一个较小的子空间）。 • 实验设计（Experimental Design） ​ 在有限的探索资源下，应该优先选择哪一部分臂进行探索，以最小代价获取最大收益。 • 依赖臂集的低秩多臂老虎机（Arm-Set-Dependent Low-Rank Bandits） ​ 考虑一组臂的组合且它们的收益相互依赖，要综合考虑单个臂和组合臂。 ◦  摘要和引言部分 ​ 论文主要研究低秩矩阵估计和低秩bandit问题。假设不同臂的回报矩阵具有低秩结构，于是通过少量的探索推测出其他选择方案的回报，提高效率。论...

第一条博客~ end