Concept
Régularisation (physique)
Séances de cours associées (31)
Sparse Regression
Couvre le concept de régression clairsemée et l'utilisation du bruit additif gaussien dans le contexte de l'estimateur et de la régularisation MAP.
Voie Représentation intégrale des propagateurs
Couvre la représentation intégrale du chemin des propagateurs pour les particules libres et les oscillateurs harmoniques.
Descente progressive
Couvre le concept de descente de gradient, un algorithme universel utilisé pour trouver le minimum d'une fonction.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Régularisation : Promouvoir des solutions optimales
Couvre la régularisation dans les problèmes les moins carrés, favorisant des solutions optimales tout en s'attaquant à des défis comme la non-unité, le mauvais conditionnement et le sur-ajustement.
Théorie quantique des champs : renormalisation
Couvre le concept de renormalisation dans la théorie quantique des champs, en se concentrant sur la régularisation et l'élimination des divergences.
Régression linéaire : Régression
Couvre la régression linéaire, la régularisation et les modèles probabilistes dans la génération d'étiquettes.
Réseaux de neurones : régularisation et optimisation
Explore la régularisation, l'optimisation et les conseils pratiques de mise en œuvre des réseaux neuronaux.
Théorie quantique des champs : Computing Loops
Couvre le calcul des boucles dans la théorie quantique des champs, en se concentrant sur la régularisation dimensionnelle et l'espace euclidien.
Règles Feynman I: statistiques asymptotiques et instantanés
Couvre les règles de Feynman, les statistiques asymptotiques, la commande normale et les instantanés.