## 机器学习-支持向量机 黄海广 副教授 2022年02月 ## 本章目录 01 支持向量机概述 02 线性可分支持向量机 03 线性支持向量机 04 线性不可分支持向量机 ### 1. 支持向量机概述 ## 01 支持向量机概述 02 线性可分支持向量机 03 线性支持向量机 04 线性不可分支持向量机 ### 1. 支持向量机概述 支持向量机（Support Vector margin hyperplane）。 与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。  ### 1. 支持向量机概述 硬间隔、软间隔和非线性 SVM ![Image](/uploa 假如数据是完全的线性可分的，那么学习到的模型可以称为硬间隔支持向量机。换个说法，硬间隔指的就是完全分类准确，不能存在分类错误的情况。软间隔，就是允许一定量的样本分类错误。 ### 1. 支持向量机概述 ## 算法思想 找到集合边缘上的若干数据（称为支持向量（Support Vector）），用这些点找出一个平面（称为决策面），使得支持向量到该平面的距离最大。 ![Image](/uploads/

## GIAC ## 大模型时代下向量数据库的设计与应用 msup $ ^{®} $ | ARCHNOTES 架構 ## 个人简介  邱培峰 拓数派向量数据库负责人 目前在拓数派负责向量数据库PieCloudVector产品，聚 的查询计划，达奇优化器支持聚集下推，预计算，Block Skipping等高级特性，全面满足各种复杂的分析查询需求 $ ^{[11]} $ 。 ## 目录 - 大模型应用和RAG - 向量近似搜索和向量数据库 - PieCloudVector架构设计与挑战 - 案例介绍 音频 ## 大模型 图像 文本 训练  ## 向量数据库 • embed

黄海广 副教授 2021年07月 ## 目录 01 行列式 02 矩阵 03 向量 04 线性方程组 05 矩阵的特征值和特征向量 06 二次型 ### 1. 行列式 01 行列式 02 矩阵 03 向量 04 线性方程组 05 矩阵的特征值和特征向量 06 二次型 ### 1. 行列式 ### 1. 行列式按行（列）展开定理 2\cdots,n) $ 是A的n个特征值，则 $ |A|=\prod_{i=1}^{n}\lambda_{i} $ ### 2. 矩阵 01 行列式 02 矩阵 03 向量 04 线性方程组 05 矩阵的特征值和特征向量 06 二次型 ### 2. 矩阵 矩阵 $ m \times n $ 个数 $ a_{ij} $ 排成m行n列的表格 $ \left[\begin{array}{cccc} 这里A，B均为可逆方阵。 ### 2. 矩阵 01 行列式 02 矩阵 03 向量 04 线性方程组 05 矩阵的特征值和特征向量 06 二次型 ### 3. 向量 1. 有关向量组的线性表示 (1) $ \alpha_{1},\alpha_{2},\cdots,\alpha_{s} $ 线性相关 ⇔至少有一个向量可以用其余向量线性表示。 (2) $ \alpha_{1},\alpha_{2}

深度学习-神经网络的编程基础 黄海广 副教授 2023年03月 ## 本章目录 01 二分类与逻辑回归 02 梯度下降 03 计算图 04 向量化 ### 1. 二分类与逻辑回归 ## 01 二分类与逻辑回归 02 梯度下降 03 计算图 04 向量化 ## 符号定义 =(-\frac{y}{a}+\frac{(1-y)}{(1-a)})\cdot a(1-a)=a-y $$ ### 2. 梯度下降 ## 01 二分类与逻辑回归 ## 02 梯度下降 03 计算图 04 向量化 ## 梯度下降  ## 学习率 b=batch_size，通常是2的指数倍，常见有32,64,128等。 (小批量梯度下降,MBGD) ### 3. 计算图 01 二分类与逻辑回归 02 梯度下降 03 计算图 04 向量化 ### 3. 计算图 $$ J(a,b,c)=3(a+bc),a=5,b=3,c=2 $$ $$ a=5 $$ $$ b=3 $$ $$ v=a+u $$ $$ J=3v

/948bf9e04aec8e09ca79435726213d63/p2_1.jpg) RAG技术实践 01 Infinity系统架构 02 ## 第一部分 RAG技术实践 ## 基于向量数据库的RAG解决方案 文档 文本块 LLM  编排  向量数据库   对话机器人 ## “ ## RAG典型挑战和解决方案 ☐ 挑战一：向量召回不准确 挑战二：数据组织混乱丧失语义 ☐ 挑战三：多样化查询需求 ■ 挑战四：幻觉、胡说八道 ☐ 挑战五：定制化成本 数据加工 ☐ 文档结构识别 ☐ 文字加工 ☐ 数据库 多路召回