Stanford CS231n（2017版）-- Lecture 3：Loss Function and Optimization
在否决了 Lecture 2 中的 Nearest Neighbor 之后，接下来要尝试的是 Linear Classification。 Introduction
我们采用参数化的方法来做分类
如上图所示，用一个 103072 的参数矩阵 W，乘上 x (x…
Stanford CS231n(2017版）-- Lecture 2 笔记
Lecture 2 主要讲的是 image classification 的一些基础知识 (核心概念会用英语原味表达） 从最经典的例子入手：给你一张猫的图片，如何从一堆标签中正确地 pick 猫这个标签呢？
一言以蔽之，需要解决的是： Semantic gap between…
具身智能
具身智能的浪潮与前沿思考 一、 核心概念：重新理解 “老” 概念与智能的演化
1. 什么是具身智能？
具身智能并非一个全新的概念，其根源可追溯至上世纪六七十年代的 “具身假说”（Embodied Hypothesis）。其核心思想是：智能并非孤立存在于计算之中…
Why We Think?
本文是 Lilian Weng 最近写的一篇博客，对她的许多观点表示赞同，也受到了很多启发。 原文链接：https://lilianweng.github.io/posts/2025-05-01-thinking/
赋予动机
与心理学的类比
计算即资源
潜在变量建模
基…