Discuz!X2 第51页

23清华应统

真题一、(20分)已知XXX服从f(x)=ce−x2(1+e−x2)2,−∞0,W'(\lambda)=2Cov(T,V)+2\lambda,\quadW''(\lambda)=2>0,W′(λ)=2Cov

大师兄统计·2022-12-29 21:12

23科大应统

已知正面出现了kkk次,则前两次是正面的概率是‾\underline{\qquad}.Solution:k(k−1)n(n−1)\frac{k(k-1)}{n(n-1)}n(n−1)k(k−1).P(X1=1,X2

大师兄统计·2022-12-29 21:00

一、语音识别方法（3）

一、语音识别方法（3）1解码器前文提到过，在语音识别任务中，通常其目的在于根据特征帧序列X={x1,x2,...,xT}X=\{x_1,x_2,...,x_T\}X={x1,x2,...,xT}，来穷举出所有可能的

Aaaaaki·2022-12-29 15:57

一、语音识别方法（2）

声学模型1.1隐马尔可夫模型（HMM）在此之前，首先需要明确马尔可夫链：在随机过程中，tnt_ntn时刻的状态xnx_nxn的条件分布，仅与其前一状态xn−1x_{n-1}xn−1有关，即：P(xn∣x1,x2

Aaaaaki·2022-12-29 15:27

一、语音识别方法（1）

一、语音识别方法（1）1语音识别原理一段语音信号，在处理为声学特征向量后表示为：X=[x1,x2,x3,...]X=[x_1,x_2,x_3,...]X=[x1,x2,x3,...]其中，xix_ixi

Aaaaaki·2022-12-29 15:46

【从零入门人工智能】异常检测实战_数据集：anomaly_data.csv

异常检测实战实验目标导入第三方库导入数据集取出数据集中的每一列数据数据可视化可视化数据的分布情况计算均值和方差画出`x1`和`x2`的高斯分布图形建立异常检测模型并进行预测默认参数情况下对模型预测结果进行可视化修改默认参数后

David Beckham 01·2022-12-29 15:15

深度学习笔记：感知机

在上图的感知机中，x1和x2两个输入信号会分别乘以其对应权重(weight)w1和w2，传入神经元。神经元计算传来信号综合，当总和超过某一阈值时输出1，否则输出0。

Raine_Yang·2022-12-29 12:00

关于pytorch的forward的问题

在forward内部不需要必须使用pytorch的内置函数，可以改成自己的内容，例如插值等：例如如下的操作(使用张量)：x1=torch.rand((1,4,3,3))x2=torch.rand((1,4,3,3

ZN-ZY·2022-12-29 03:53

python求相关系数矩阵，协方差矩阵

定义：设(X1,X2,X3,···,Xn)是一个n维随机变量,任意Xi与Xj的相关系数\(p_{ij}(i=1,2,···,n)\)存在，则以\(p_{ij}\)为元素的n阶矩阵称为该维随机变量的相关矩阵

Acapplella·2022-12-28 20:37

cv2.rectangle画矩形方框未显示某边解决

在用python的OpenCV画矩阵方框，代码是这样的时候，有某一边没画出来：cv2.rectangle(img,(int(x1),int(y1)),(int(x2),int(y2)),(0,0,255

弄倭乱来·2022-12-28 17:14

深度学习/机器学习入门基础数学知识整理（二）：梯度与导数，矩阵求导，泰勒展开等

一阶导数，即梯度（gradient）：∇f(X)=∂f(X)∂X=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢∂f(X)∂x1∂f(X)∂x2⋮∂f(X)∂xn⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥∇f(X)=∂f(X)∂X=[∂f(

qq_43554593·2022-12-28 15:26

矩阵求导法则总结

dx}=\frac{dy_{ij}}{dx}Y=[yij]−−>dxdY=dxdyij2.标量y对列向量X求导：注意与上面不同，这次括号内是求偏导，不转置，对N×1向量求导后还是N×1向量y=f(x1,x2

Mickle_Liu·2022-12-28 15:52

python 回归去掉共线性_SAS系列33：SAS高级统计（二）多元线性回归

如果应变量y和自变量x1，x2，x3，…

weixin_39702335·2022-12-28 15:04

yov5检测结果裁剪并保存2021/1/22

clsinreversed(det):aa=int(xyxy[1])bb=int(xyxy[3])cc=int(xyxy[0])dd=int(xyxy[2])#裁剪crop=im0[y1:y2,x1:x2

噢耶·2022-12-28 15:29

二维差分（差分矩阵）

输入一个n行m列的整数矩阵，再输入q个操作，每个操作包含五个整数x1,y1,x2,y2,c，其中(x1,y1)和(x2,y2)表示一个子矩阵的左上角坐标和右下角坐标。

在下小李～·2022-12-28 14:34

愿你被这个世界温暖相待·2022-12-28 12:42

AI入门之机器学习（3）多元线性回归

二元线性模型（有2个自变量x1和x2）表示：三维空间的一个平面。y=（W1X1）+（W2X2）+b多元线性模型表示：直线在高维空间中的推广（即超平面）。

想成为code的大佬·2022-12-28 12:12

深度学习——神经网络

2神经网络2-1复习感知机的结构感知机接收x1和x2两个输入信号，输出y。如果用数学式来表示图3-2中的感知机。（一式）b是被称为偏置的参数，用于控制神经元被激活的容易程度。

压垮草的骆驼·2022-12-28 12:09

【数学计算】点乘/点积/内积/数量积/叉乘/外积/叉积/向量积

内积=数量积dotproduct=innerproduct=scalarproducta⃗=(x1,y1,z1)\vec{a}=(x_{1},y_{1},z_{1})a=(x1,y1,z1)，b⃗=(x2

shuaixio·2022-12-28 09:50

0036算法笔记——【分支限界法】0-1背包问题

形式化描述：给定c>0,wi>0,vi>0,1≤i≤n.要求找一n元向量(x1,x2,…,xn,),xi∈{0,1},∋∑wixi≤c,且∑vixi达最大.即一个特殊的整数规划问题。

灰太狼1号·2022-12-28 02:42

深度学习- 循环神经网络（基础篇）Basic_RNN-自用笔记9

实际上我们要考虑x1(第一天的天气状况)、x2（第二天的天气状况）、x3（第三天的天气状况）之间的时间序列的关系，因为第二天的天气状况跟第一天的天

松松酱·2022-12-28 01:57

【Python数据分析】数据挖掘建模——分类与预测——人工神经网络

一个人工神经元对输入信号X=[x1,x2,...,xm]的输出

阿丢是丢心心·2022-12-28 01:14

0-1背包dp问题

形式化描述：输入：C>0,wi>0,vi>0,1≤i≤n；输出：(x1,x2,…,xn)，xi∈{0,1}，使得∑1≤i≤nvi·xi最大。（1

深海的幽灵·2022-12-28 01:41

机器学习的四种学习方法

半监督学习（Semi-supervisedLearning)强化学习（ReinforcementLearning)应用监督学习（SupervisedLearning）有正确的label如图：有两个维度x1和x2

侬本多情。·2022-12-27 23:33

python&tensorflow2.0各种数组详解及相互转化

列表list可以随时添加和删除其中的元素x=[1,2,3,4]x2=[tf.constant(1)]*4print(x)#[1,2,3,4]prin

三叶草～·2022-12-27 22:45

乘幂法计算矩阵主特征值和特征向量-Matlab实现

解决实际例子来验证乘幂法的正确性.2.方法介绍设实矩阵A的特征值为λ1,λ2,......,λn\lambda_1,\lambda_2,......,\lambda_nλ1,λ2,......,λn，相应特征向量x1,x2

小奥特曼打怪兽·2022-12-27 21:25

生产计划多阶段动态规划LINGO代码

model:max=11328*(1-k2)-0.55*x1^2-0.55*x2^2-0.6*x3^2-0.6*x4^2-0.65*x5^2-0.65*x6^2!

wjdamowang·2022-12-27 21:25

TensorFlow中的卷积操作和反卷积操作

里面的反卷积操作还是有点意思的，写个博客记录一下自己的心得，以便后续自己的查看1.卷积操作在TensorFlow中，由tf.nn.conv2d()函数来实现卷积操作，举个例子y4=tf.nn.conv2d(x2

乐安的皮卡·2022-12-27 18:12

YOLOv5实现目标坐标打印并输出CSV文件

参考：yolov5（pytorch）实现目标检测后输出检测框的位置信息修改detect.py文件在如下位置添加：x1=int(xyxy[0].item())y1=int(xyxy[1].item())x2

努力~自律~开心·2022-12-27 17:46

3.多项式回归和模型评估（解决过拟合）

多项式回归之前学习过线性回归的，我们学习多项式回归会很简单.我们遇到的很多都是非线性的问题.下面举例说明一元的线性回归的基本形式为ax1+b+…一般的多项式的形式是a1x^2+a2x+a3这样看是不是多项式回归只是多了一个值X2

小爷很皮·2022-12-27 14:00

机器学习--决策树（sklearn）

决策树学习，训练数据集=(1,1),(2,2),⋯,(,),⋯,(,)={(1,1),(2,2),⋯,(,),⋯,(,)}D=(x1,y1),(x2,y2),⋯,(xi,yi),⋯,(xN,yN)

想成为风筝·2022-12-27 08:26

python绘制月亮_数据挖掘——月亮数据

其中(x1,x2)是特征组，颜色是标签值。

weixin_39618173·2022-12-26 22:46

【机器学习】详解 BackPropagation 反向传播算法！

里面有线的神经元代表的sigmoid函数，y_1代表的是经过模型预测出来的，y_1=w1*x1+w2*x2，而y^1代表的是实际值，最后是预测值与实际值之间的误差，l_1=1/2*(y_1-y^1

风度78·2022-12-26 22:09

python实现logistics回归，以及从疝气病症预测病马的死亡率

每行前两个值分别是X1和X2，第三个值是数据对应的类别标签defloadData

Sean_zzZ·2022-12-26 16:29

Softmax 的上下溢出问题解决方案

在审核RD写的线性分类解读时，看到了这么一条：在Softmax函数的计算过程中，还需要注意上溢出和下溢出的问题之前遇到过，但都是调包来解决的，今儿看到了之后，整理如下：给定一个张量：x=[x1,x2,.

氵文大师·2022-12-26 16:58

Matlab粒子群优化算法（PSO）求函数最大值（最小值）

注意适应度值一般为优化种群目标函数值更新位置与速度：三、代码test.m%%I.清空环境%二元函数clcclear%%II.绘制目标函数曲线图m=10;D=2;x1=linspace(-10,pi,80);x2

烟雨金城·2022-12-26 16:22

粒子群优化算法——用PSO算法求解函数，最优解（0,0,...,0）,Min=0

问题提出使用PSO算法求解以下公式，最优解(0,0,…,0),Min=0min⁡f(x1,x2,….xn)=10⋅n+∑i=1n(xi2−10⋅cos⁡(2πxi)).−5.12≤xi≤5.12\begin

is_Del·2022-12-26 16:51

R语言配对检验分析案例

检验对的形式（x1，x2）出现在两种情况中：对同一实体执行两次测量。例如，一项评估新型胰岛素疗效的临床研究将为每位患者测量两次血糖水平：之前（X1）服药后（X2）。对不同的实体进行测量。

拓端研究室TRL·2022-12-26 11:09

灰色关联分析

应用一：分析产业对GDP的影响程度（进行系统分析）首先我们可以运用标准化回归，这个是根据国内生产总值y，x1,x2,x3然后进行的

摩卡摩卡～·2022-12-26 11:17

Matlab实现——巧用灰色关联法完成“系统分析”与“综合评价”

哪些是相对次要的（x2）？哪些对系统发展起抑制作用（x3）？哪些对系统起促进作用（x4）？…又该怎么更好地去评价这些影响因素对于系统的影响。”对于这个问题的思考，除了第一时间涌上脑

就是莫世冰。·2022-12-26 11:16

支持向量机---SVM 最小二乘支持向量机---LSSVM

给定训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi{-1,+1},分类学习的最基本想法基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开。

Marvin_Huoshan·2022-12-26 11:09

朴素贝叶斯算法与贝叶斯估计

1.1定义一个数据集实例定义一个数据集TTT为:T={(x1,y1),(x2,y2),⋯ ,(xN,yN)}T=\{(x_1,y_1),(x_

JasonDean·2022-12-26 10:26

神经网络的梯度下降公式推导及代码实现

输入相应的数据X={X1,X2,⋯ ,Xf}X=\{X_1,X_2,\cdots,X_f\}X={X1,X2,⋯,Xf}，输出为对应标签YYY神经网络的梯度下降（Gradientdescent）更新步骤基本为

JasonDean·2022-12-26 10:25

第一章知识表示

可表示性和可利用性1.2一阶谓词逻辑表示法1.2.1谓词谓词的一般形式：P(x1,x2,…,xn)个体x1,x2,…,xn：某个独立存在的事物或者某个抽象的概念；谓词名P：刻画个

糊涂脑袋不糊涂·2022-12-26 08:20

数字信号处理（MATLAB版）学习笔记1--离散时间信号与系统

但样本序列x1(n)和x2(n)长度必

xierongz·2022-12-26 06:28

机器学习笔记之-Kmeans

2、更新样本x1,x2,...,xn对应的簇标签y1,y2,...,yn。argmin是使目标函数取最小值时的变量值3、更

数据小白的进阶之路·2022-12-26 01:38

贝叶斯滤波

当XXX离散时，即XXX存在有限个取值{x1,x2,…,xn}\{x_1,x_2,\ldots,x_n\}{x1,x2,…,xn}，概率可表示为：P(X=xi)=pP(X=x_i)=pP(X=xi)=p

一杯板蓝根·2022-12-26 00:50

【算法基础学习 1】贝叶斯滤波

(一).概率基础回顾我们先来回顾一下概率论里的基本知识：1.X:表示一个随机变量，如果它有有限个可能的取值{x1,x2,⋯,xn}2.p(X=xi):表示变量X的值为xi的概率。

wb790238030·2022-12-26 00:18

游戏引擎之物理碰撞检测原理（AABB算法）

碰撞盒算法先遍历模型所有顶点遍历所有顶点，然后再不同方向上分别找出最大最小值来构成AABB盒子的最大最小顶点，模型就被处理成如下图的粗模型：下面给出一个简化的原理图如果物品没有发生碰撞的时候X轴上的顺序为X1，X2

星空_MAX·2022-12-25 22:44

pandas.facctorize

importpandasaspddata=pd.DataFrame()data['text']=['x1','x2','x3','xx']data['label']=['花','草','树','木']print

他说民谣很穷·2022-12-25 20:47

推荐频道

Discuz!X2