Abstract: 行列式的几种求法,以及相关的衍生问题
Keywords: Determinants,’Pivot Formula’,’Big Formula’,’Cofactors Formula’,Cofactors,Permutations
【线性代数】5-1:行列式性质(The Properties of Determinants)
Abstract: 本文介绍矩阵的行列式相关性质
Keywords: Determinants,Properties of the Determinants
【线性代数】4-4:正交基和Gram算法(Orthogonal Bases and Gram-Schmidt)
Abstract: 通过将正交的向量组合成矩阵探索其中的一些有趣的性质和用途
Keywords: Orthogonal Matrix Q,Gram-Schmidt Algorithm,QR
【线性代数】4-3:最小二乘近似(Least Squares Approximations)
Abstract: 从线性代数的角度理解计算最小二乘法,以及解释最小化误差的思想。介绍部分应用,包括曲线拟合等
Keywords: - Least Squares Approximations,Minimizing the Error,Fitting a Straight Linear
【线性代数】4-2:投影(Porjections)
Abstract: 本篇主要介绍的就是向量的映射,以映射到直线为引导,重点在于映射到子空间。
Keywords: Projections,Projection Onto a Subspace
【线性代数】4-1:四个正交子空间(Orthogonality of the Four Subspace)
Abstract: 本篇介绍正交性,向量正交,矩阵正交,子空间正交
Keywords: Orthogonality,Four Subspace,Orthogonal Complements,Fundamental Theorem of Linear Algebra ,Combining Bases from Subspaces,Split
FaceNet论文阅读
Abstract: In this paper we present a system, called FaceNet, that directly learns a mapping from face images to a compact Euclidean space where distances directly correspond to a measure of face similarity
提出一个系统,此系统能将人脸图片直接映射到欧几里得空间的一个向量,这些向量之间的距离能直接度量人脸之间的相似度
Keywords: 人脸识别,FaceNet,GoogleNet
【线性代数】3-6:四个子空间的维度(Dimensions of the Four Subspaces)
Abstract: 四个向量空间的dimensions的一些性质
Keywords: Dimensions,Four Subspaces
【线性代数】3-5:独立性,基和维度(Independence,Basis and Dimension)
Abstract: 本文是本章最重要的知识点,也是整个线性代数中非常核心的内容,包括independence ,basis和dimension等多个概念
Keywords: Independence,Basis,Dimension,Span
【线性代数】3-4:方程组的完整解( $Ax=b$ )
Abstract: Ax=b的完整解,以及一个解,infinity个解,没有解的所有条件和说明
Keywords: Ax=b,Special Solution,Full Column Rank,Full Row Rank,Complete Solution