【IEEE ICASSP 2022教程】非负矩阵分解的最新进展，266页ppt
自Paatero & Tapper(1994)和Lee & Seung(1999)的开创性著作引入非负矩阵分解(NMF)以来，已经过去了二十多年。此后，NMF在音频源分离、高光谱解混、用户推荐、文本信息检索、生物识别、网络分析等多个领域产生了重大影响。虽然更复杂的体系结构，比如神经网络，在一些有监督的情况下可以胜过因子分解模型，但是NMF是基于一种生成和可解释的模型，在许多情况下，这仍然是一种流行的选择，特别是对于不需要或只需要很少的训练数据的任务(例如:在无监督设置)。本教程旨在回顾过去十年在NMF方面的一些最重要的进展，重点关注NMF优化方面的最新进展(包括最先进的算法，如最大化-最小化，收敛特性，大规模实现，稀疏和时间正则化)，NMF的模型选择(包括选择合适的拟合测度、秩估计)和最近的NMF扩展(包括存在异常值时的稳健NMF、可分离的NMF、正半定矩阵分解、基于NMF的排序模型)。本教程将针对没有NMF经验的初学者和在其更高级的材料中更有知识的从业者。
2022-05-29 12:05:01
13.57MB
矩阵分析经典英文原版教材
Fundamentals of Matrix Computation 第二版
David Watkins编写
2022-05-27 14:40:03
26.17MB
1
一、Dijkstra算法的思路
Dijkstra算法是针对单源点求最短路径的算法。
其主要思路如下：
1. 将顶点分为两部分：已经知道当前最短路径的顶点集合Q和无法到达顶点集合R。
2. 定义一个距离数组（distance）记录源点到各顶点的距离，下标表示顶点，元素值为距离。源点（start）到自身的距离为0，源点无法到达的顶点的距离就是一个大数（比如Infinity）。
3. 以距离数组中值为非Infinity的顶点V为中转跳点，假设V跳转至顶点W的距离加上顶点V至源点的距离还小于顶点W至源点的距离，那么就可以更新顶点W至源点的距离。即下面distance[V] + matrix[V][W]
2022-05-27 08:55:10
68KB
1
Matrix.js
Matrix
constructor
new Matrix(height, width, init)
new Matrix(<MatrixSize>, init)
new Matrix()
new Matrix() // 未实现
Methods
Matrix.isMatrix(obj)
判断参数是否为矩阵。
Matrix.isSquare(obj)
判断参数是否为方阵。
Matrix.isSameSize(obj1, obj2)
判断obj1和obj2是否尺寸一样。
Matrix.isSameLength()
判断是否总长度一样，即面积一样。
Matrix.isArray()
判断传入的Array是否为矩阵。
Matrix.isSame(A, B)
判断每一元素是否一样。
Matrix.isI(<Matrix>)
判断参数是否为单位
2022-05-25 15:48:13
7KB
1
人工智能-项目实践-推荐算法-基于implicit库的常用协同过滤推荐算法实现
Implicit是一个开源的协同过滤项目，其包含多种流行的推荐算法，主要应用场景是针对隐性反馈行为进行推荐。包含的算法主要有：
ALS（alternating least squares），最小交替二乘法
BRP（Bayesian Personalized Ranking），贝叶斯个性化排序
Logistic Matrix Factorization
使用Cosine, TF-IDF 或 BM25的近邻模型
2022-05-22 19:07:59
38KB
矩阵分析经典课本，英文原版，非常好的一本工具书
2022-05-21 08:53:52
3.87MB
1
The Matrix Cookbook
These pages are a collection of facts (identities, approximations, inequalities, relations, ...) about matrices and matters relating to them.
It is collected in this form for the convenience of anyone who wants a quick
desktop reference .
2022-05-17 19:09:53
214KB
1
毫升矩阵
矩阵处理和计算库。
由维护
安装
$ npm install ml-matrix
用法
作为ES模块
import { Matrix } from 'ml-matrix' ;
const matrix = Matrix . ones ( 5 , 5 ) ;
作为CommonJS模块
const { Matrix } = require ( 'ml-matrix' ) ;
const matrix = Matrix . ones ( 5 , 5 ) ;
例子
标准作业
const { Matrix } = require ( 'ml-matrix' ) ;
var A = new Matrix ( [ [ 1 , 1 ] , [ 2 , 2 ] ] ) ;
var B = new Matrix ( [ [ 3 , 3 ] , [ 1 , 1 ] ] ) ;
var C = ne
2022-05-14 10:35:15
147KB
1
主要介绍了基于python解线性矩阵方程(numpy中的matrix类),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2022-05-10 09:30:16
51KB
1