深度学习数学基础-概率与信息论

嵌入式视觉

已于 2022-12-08 20:00:29 修改

阅读量856

点赞数 12

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：随机变量概率密度分布函数期望与方差 KL 散度和交叉熵高斯分布

于 2022-12-01 00:46:42 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_20986663/article/details/128125098

深度学习专栏收录该内容

21 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了概率论与信息论在人工智能领域的应用，包括概率分布、随机变量、期望与方差、协方差以及常用概率分布如伯努利分布和高斯分布。还探讨了条件概率、贝叶斯定理、信息论中的相对熵和交叉熵，为深度学习和机器学习奠定了数学基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言
- 概率论学科定义
- 概率与信息论在人工智能领域的应用
3.1，为什么要使用概率论
3.2，随机变量
3.3，概率分布
- 3.3.1，离散型变量和概率质量函数

了解本专栏

超级会员免费看

评论 11

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

嵌入式视觉 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。