Learning notes about Reliable Large Language Models.
XUE Boyang
Beyond Hsueh
Blogs
Dive into PRML
A project of learning notes and tutorials based on Pattern Recognition and Machine Learning.
Articles
20 posts- 线性回归：多项式拟合、基函数模型与最大似然估计 — PRML
- 线性回归：最小均方差、梯度下降与解析法 — PRML
- 线性分类：Fisher 分类器与感知器算法 — PRML
- 线性分类：Logistic 回归、判别式与生成式模型 — PRML
- 神经网络：深度前馈网络、隐藏单元与反向传播 — PRML
- 学习理论：过拟合、正则化、偏差与方差 — PRML
- 信息论：信息熵、相对熵与互信息 — PRML
- 概率分布：贝叶斯概率、Beta 分布与狄利克雷分布 — PRML
- 概率分布：高斯分布与混合高斯模型 — PRML
- 贝叶斯神经网络：变分法与拉普拉斯近似法 — PRML
- 核方法与高斯过程 — PRML
- 稀疏核机与支持向量机 — PRML && CS229
- 期望最大化算法：K-均值聚类与混合高斯 — PRML && CS229
- 变分推断与分解近似 — PRML && CS229
- 蒙特卡罗采样与马尔科夫链蒙特卡罗 — PRML && CS229
- 主成分分析 Principal Component Analysis — PRML && CS229
- 隐马尔科夫模型与维特比算法 — PRML && CS229
- 强化学习 Reinforcement Learning — PRML && CS229
- 变分自编码器与生成对抗网络 — PRML && CS229
Speech & Language Processing
Learning Notes of SEEM5330 Lecture Speech and Language Processing delivered by Prof. Andrew LIU, CUHK.
