第一章矩阵 第二章线性方程组与矩阵初等变换 第三章行列式 第四章空间解析几何与向量运算 第五章ㄇ维向量空间 第六章特征值与特征向量 第七章向量空间的正交性 第八章二次型

9.1 向量自回归理论 9.2 结构VAR(SVAR)模型的识别条件 9.3 VAR模型的检验 9.4 脉冲响应函数 9.5 方差分解 9.6 Johansen协整检验 9.7 向量误差修正模型(VEC)

最大间隔与支持向量机 支持向量回归 软间隔与正则化 核方法 统计学习理论简介

一、内积的定义和性质 二、向量的长度和性质 三、正交向量组的概念和求法 四、正交矩阵和正交变换 五、小结 思考题

第一节 空间直角坐标系与向量的概念 第二节 向量的点积与叉积 第三节 平面与直线 第四节 曲面与空间曲线 *第五节 矢量函数的微积分

• Lecture 1 知识点回顾 • 神经概率语言模型(Bengio 2003) • Word2vec (Mikolov 2013) • (CBOW & Skip-gram) * (HS & NEG) • 词向量的评价方法 • Softmax分类模型(原PPT乱入) • 词向量的应用场景

在第一章网络图论中已得到KCL、KVL矩阵方程 AI=0、V=ATEn 其中A为降阶关联矩阵,为支路电流列向量,V为支路电压 列向量,E为节点电压列向量

• 向量空间的定义 • 向量空间的基与维数 • 坐标及坐标变换 • 小结

一、 向量的内积与长度 二、 正交向量组 三、 施密特正交化方法 四、 正交矩阵 五、 小结

（1）向量的线性相关性 （2）向量组的最大无关组与秩 （3）线性方程组解的结构与通解