图像的低秩近似与Eckart–Young–Mirsky定理
Published:
引子
Hello 大家好呀,今天我们从理论的角度来分析一下为什么奇异值分解有助于降噪。
Published:
Hello 大家好呀,今天我们从理论的角度来分析一下为什么奇异值分解有助于降噪。
Published:
大家好呀,又到周末了,又到可以不用跑代码到处瞎逛逛的时间了。今天我们一起来看一篇文章,发表在ICLR2021的InfoBERT: Improving Robustness of Language Models from An Information Theoretic Perspective。
Published:
写在前面:写作本文时我还没有学习泛函求导的法则,泛函的链式法则与下文用到的普通求导的链式法则有些许不同,以下内容可能有错误之处,请审慎看待。
Published:
今天在看证明的时候看到一个细节,$d$维球面$S^{d-1}$上均匀分布的点$\mathbf{x}$,向任意一个自然基$\mathbf{e_i}=(0,0,…,1,…,0)$做投影$\mathbf{x}^{\top}\mathbf{e_i}$,问投影绝对值的期望$\mathbb{E}_{\mathbf{x}\sim \mathbf{U}(S^{d-1})}( | \mathbf{x}^{\top}\mathbf{e_i} | )$是多少。 |
Published:
大家好,今天我们再来看一个bound的证明。(没错我就是bound收集狂人,笑)今天这个bound来自于一篇15年的TPAMI文章,名字叫做《Scatter Component Analysis: A Unifified Framework for Domain Adaptation and Domain Generalization》。