3.1 极大似然 3.2 隐变量 3.3 EM算法 3.4 混合高斯模型中的EM思想 3.5 论文举例

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

• 2.1 Introduction • 2.2 Polynomial Curve Fitting: A Toy • 2.3 Over-fitting • 2.4 Cross-Validation • 2.5 Regularization • 2.6 Linear Basis Function Models • 2.7 Least Squares Revisited • 2.8 Bayesian Linear Regression

《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）Random Matrix Theory and Wireless Communications

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

6.1 Non-asymptotic Analysis: Concentration inequality 6.2 Non-asymptotic Analysis: extreme singular values

1. Continuing Mapping Theorem 2. Silverstein Theorem

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）04 Asymptotic Spectrum Theorems（2/4）