Nvidia Chat With RTX 安装部署 软件下载地址 安装界面 一路点击下一步安装即可。 安装界面2 安装过程需要耐心等待,我可能等了差不多两个小时,最后安装成功。 安装完成之后,在桌面会出现NVIDIA Chat with RTX快捷方式,就是一个启动脚本。 如果是默认路径安装的话,需要修改path: C:\Users\Yang\AppData\Local\NVIDIA\ChatWit 2024-02-20 AI #GPT offline
迪拜AEEDC2024展会 初到迪拜的印象 北京时间早上6点半的航班,首都机场T3航站楼早6:30出发,到达迪拜机场时间是北京时间下午三点。 迪拜的地铁经过市区比较繁华的区域,因为我们参展的迪拜会展中心在城市中心地带,所以从机场可以很方便乘坐地铁到达我们的ibis酒店。 提前办理好的漫游服务,到了迪拜无法使用,后来才知道是当地的服务商选择错误,选上DU的就可以了。 迪拜位置 位于阿拉伯半岛,紧邻阿拉伯海湾。隔海 2024-02-05 Exhibitions #Dubai AEEDC
读书心得:思考,快与慢 第6章 意料之外与情理之中 讲系统1如何对发生的事件做判断的,分析了它的工作机理和存在的缺陷 讲了心理学家乔恩的故事,从第一次的惊喜到第二次的习以为常,因果关系的推导在系统1看来,会因为之前发生了一次小概率事件而把之后再次发生类似事件认为习以为常,我个人认为就是条件概率在第二次采样的时候被系统1无意识地调高了。 第16章 因果关系比统计学更有说服力 在16章节当中,列举了出租车逃逸的事例 2023-12-24 Filters #读书
卡尔曼滤波器学习笔记(二):随机过程和线性卡尔曼滤波器 随机过程的模型建立 一般地,我们研究的随机过程是一个动态的系统(Dynamical Systems). 其中,是系统中设置的参数,是状态向量,加入时间作为参数代表状态向量的取值随时间变化。 为了简化我们对系统的建模,首先把时间和系统参数对系统迭代的影响忽略掉,简化上面的等式: ()是连续系统的描述,更常见的是离散系统,我们把时间离散化,得到: 上面的等式仍然不是很理想,因为经 2023-12-08 State Estimation #Kalman Filtering
卡尔曼滤波器学习笔记(一):概率论和贝叶斯滤波 感谢 点一个大大的赞! 经典教材的重新排版 文章中深蓝色字体表示摘录自该教材。 给老王点赞! 老王 这个作者真心用心地交互式展示数学和工程实践。 Kalman-and-Bayesian-Filters-in-Python 这篇容易让我们建立直觉的理解 3blue1brown-bayes-theorem 背景知识 一本很有名的书,学习作者对内容的安排。 需要的预备知识: 线 2023-12-01 State Estimation #Kalman Filtering
矩阵的奇异值分解 Besides having a rather simple geometric explanation, the singular value decomposition offers extremely effective techniques for putting linear algebraic ideas into practice. SVD分解与四个子空间 任意的线性 2020-06-22 Linear Algebra #Linear Algebra
相似矩阵和矩阵的特征值特征向量 相似矩阵 问题描述 为什么会产生相似矩阵这个感念? 场景描述:假定在一个线性空间当中,存在两组不同的基向量。在空间当中任何一个向量在不同的基下,投影的长度、方向都有所不同。当我们对这个向量施加变换的时候,也就是左乘一个变换矩阵,在不同的基下,这个左乘的矩阵形式上面是不同的,但是,它们有一个共同特点,就是相似,因为描述了同一个变换。 ## 正向推导 按照我们刚才看到的这段话,我们可以用数学 2020-01-31 Linear Algebra #Linear Algebra #Similar Matrix
投影矩阵和最小二乘 投影矩阵 之前的一篇博客讲到了矩阵的四个子空间:行空间,列空间,零空间和左零空间。每一个空间唯一性地由这个矩阵决定,因为这个矩阵的列可能线性无关,可能线性相关,如果线性相关,能够在其中找到多少个线性无关的向量。所以,不同的矩阵所形成的对应的四个子空间情况各不相同。我们为了能够理解给定的矩阵四个空间分布情况,就引入了投影矩阵的概念,用来分析在空间中任意向量到这个矩阵的“距离”。下面我们具体看一下: 2020-01-30 Linear Algebra #Linear Algebra #Least Squares #Projection Matrix
矩阵的四个子空间 前言 线性代数,同微积分一样,是高等数学中两大入门课程之一,它除了是一门数学课程,也是非常好的工具类学科,在很多的领域都有涉及,比如在人工智能领域,机器学习和数值优化。它的研究对象是向量,向量空间(或称线性空间),线性变换和有限维的线性方程组。从线性空间的角度作为切入点,我们能够更好地理解向量,矩阵以及矩阵的特征值、特征向量、相似矩阵、正定矩阵、奇异值分解等等。在这里,我强烈推荐MIT教授Wil 2020-01-29 Linear Algebra #Linear Algebra