1 绪论 2 概率分布 3 回归的线性模型 4 分类的线性模型 5 神经⽹络 6 核⽅法 7 稀疏核机 8 图模型 9 混合模型和EM 10 近似推断 11 采样⽅法 12 连续潜在变量 13 顺序数据 14 组合模型

1 Introduction 2 Real and Complex Wigner matrices 3 Hermite polynomials, spacings, and limit distributions for the Gaussian ensembles 4 Some generalities 5 Free probability

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（学习资料）随机矩阵补充材料 Analysis of neural networks - a random matrix approach

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）02 Types of Matrices and Local Non-Asymptotic Results

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）04 Asymptotic Spectrum Theorems（1/4）

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）04 Asymptotic Spectrum Theorems（3/4）

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）05 Free Probability

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）07 Analysis of neural networks - a random matrix approach

3.1 Sparsity: Applications and Development 3.2 Sparsity Rendering Algorithms 3.3 EM 3.4 Variational Bayes 3.5 Sparse Signal Recovery: Performance PK 3.6 Other Applications for Bayes methods

高职嵌入式教材配套电子资源（技术资料）STM32L4xx参考手册（RM0394 Reference manual）advanced Arm-based 32-bit MCUs