Discuz!X2 第54页

SLAM 几何基础

a=(x1,y1,z1),b=(x2,

泠山·2022-12-18 11:51

主动配电网SOCP_OPF学习笔记（1）关于二阶锥

一、凸集（convexset）X1∈C，X2∈C，存在λ，0<λ<1，λx1+(1-λ)x2∈C恒成立二、凸函数对于x∈Rn(n维实向量空间),f(x)的上方图定义为:epi(f)={f(

电气111·2022-12-18 10:39

线性规划单纯形法python实现

已是标准形式)：maxz=1500x1+1000x2maxz=1500x_1+1000x_2maxz=1500x1+1000x2{3x1+2x2+x3=652x1+x2+x4=403x2+x5=75x1,x2

梓铭zyb·2022-12-18 10:04

单纯形法python_单纯形法Python实现(一)

fromsympyimport*fromsimpleximport*defexample_0():x1,x2,x3=symbols('x1,x2,x3')obj=-3*x1+x2+x3variables

weixin_39630744·2022-12-18 10:02

机器学习（周志华）第十三章半监督学习

》这本书的学习笔记记录学习过程本博客记录Chapter13文章目录1半标记样本2生成式方法3半监督SVM4图半监督学习5基于分歧的方法6半监督聚类1半标记样本我们有训练样本集Dl={(x1,y1),(x2

YJY131248·2022-12-18 10:13

半监督学习机器学习第十三章

前言涉及概念1.有标记样本：对每个xi都有一个yi与其对应；Dl={（x1，y1），（x2，y2），……，（xl，yl）}

不是庸人的俗人（摆烂版）·2022-12-18 10:12

对神经网络进行学习

x1、x2是输入信号，y是输出信号，w1、w2是权重。图中的○称为“神经元”或者“节点”。输入信号被送往神经元时，会被分别乘以固定的权重（w1x1、w2x2）。

小灰机的记录本·2022-12-18 09:59

训练神经网络的详细步骤,人工神经网络训练过程

人工神经元是神经网络的基本处理单元，其接收的信息为x1，x2，…，xn，而ωij表示第i个神经元到第j个神经元的连接强度或称权重。

普通网友·2022-12-18 09:26

[一起学BERT]（一）：BERT模型的原理基础

Self-Attention机制理论①首先将x1、x2两个词进行编码得到向量②编码后的向量乘以对应的权重矩阵，得到每个词的三个特征矩阵Q、K、V③计算第一个词的时候通过q1*k1、q1*k2、q1*k3

笼中小夜莺·2022-12-17 19:34

Python-算法思维4.3.2 二分法求方程的根

第1关：给定方程给定单调上升区间方程的根函数f(x)=x2−10x+3在区间[8,12]单调上升且与x轴相交，求解该近似解，要求精度0.0001，即|f(x)|0.00001:iff(a+0.000001

Meropidae·2022-12-17 17:29

Python turtle 绘制抛物线

Pythonturtle绘制抛物线具体实现调用示例Pythonturtle库未提供画抛物线的函数，但可通过解析函数（y2=2pxy^2=2pxy2=2px，x2=2pyx^2=2pyx2=2py）描点连线实现抛物线的绘制

小喾苦·2022-12-17 14:22

python matplotlib画抛物线和一次函数图像

画出两个函数y1=x1，y2=x2**0.5在范围{(x1,y1)|1<=x<=2,x1**0.5<=y<=x1}，{(x2,y2)|2<=x<=4,x1**0.5<=y<=2x1**0.5}内的图像，

大橘家·2022-12-17 14:51

模式识别（二）特征矢量与空间

1.2特征矢量和特征空间a.特征矢量：一个分析对象的n个特征量测值分别为x1,x2,x3,xn，它们构成一个n维特征矢量x，x=（x1,x2,x3,xn）T,x是原对象（样本）的一种数学抽象，用来代表原对象

两个鼻孔的猪·2022-12-17 13:07

多元线性回归推导

如果因变量YYY与自变量X1,X2,⋯ ,XpX_1,X_2,\cdots,X_pX1,X2,⋯,Xp之间满足如下关系：Y=β0+β1X1+⋯+βpXp+ϵY=\beta_0+\beta_1X_1+\cdots

Kevin Davis·2022-12-17 12:03

【《深度学习入门》—— 学习笔记（一）】

x1,x2是输入信号；w1,w2是权重；y是输出信号。感知机的多个输入信号都有各自固有的权重，这些权重发挥着控制各个信号的重要性的作用。也就是说，权重越大，对应该权重的信号的重要性就越高。

机电恐龙·2022-12-17 11:12

POD模式分解

通过试验或数值仿真得到的N个时刻快照,可以写成从1到N时刻的快照序列形式,即{x1,x2,

weixin_44021967·2022-12-17 10:09

Meta-SR: A Magnification-Arbitrary Network for Super-Resolution

首先将H∗W∗3H*W*3H∗W∗3的图片经过特征提取模块（比如2017年ESDR的残差网络，2018年RDN的稠密残差网络），得到相同尺寸的H∗W∗CH*W*CH∗W∗C的特征图；然后再经过上采样模块（x2

理想很丰满，现实很骨感·2022-12-17 09:17

2.1神经网络优化之损失函数

x1和x2是影响日销量的因素建模前，应预先采集的数据有，每日x1和x2和y（已知答案，最佳情况销量=产量），拟造数据X，Y_，y_=x1+x2噪声：

SuperBetterMan·2022-12-16 19:57

支持向量机python代码_Python实现支持向量机(SVM)

importnumpyasnpfromnumpyimportlinalgimportcvxoptimportcvxopt.solversdef(x1,x2):returnnp.dot(x1,x2)defpolynomial_kernel

weixin_39968410·2022-12-16 16:27

机器人轨迹弧线规划

公式推导：第一步：首先先确定空间中三点位置p1（x1,y1,z1）,p2（x2,y2,z2）,p3（x3,y3,z3）以这空间三点为基准建立坐标系P1—UVW确定U

白纸道·2022-12-16 15:21

向量的交叉积计算& python的实现 ~python

已知A=[x1,y1,z1],B=[x2,y2,z2]则A和B的交叉积运算方法：C=[y1z2-y2z1,x2z1-x1z2,x1y2-x2y1]。

冷心笑看丽美人·2022-12-16 14:36

向量叉积的应用（求多边形面积、凸包问题）

叉积概念两个向量a(x1,y1)，b(x2,y2)，叉积：a×b=x1y2-x2y1叉积的应用：判断向量位置关系可以用这个性质对点进行角度排序引伸：判断两条线段是否相交：线段如图当p1p2在p3p4两侧且

Shanhj·2022-12-16 14:34

HDOJ 2036 求多边形面积向量叉积法

题目思路：利用向量叉积求n边形面积每个三角形面积为（x1*y2-y1*x2）/2本人第一次不是用向量法来做，把直接n边形分成n-2个三角形，最终总是过不了，一查资料才知道，多边形分凹凸多边形，凹多边形使用直接分割法

程序小白_龙·2022-12-16 14:33

机器学习-Logistic Regression（逻辑回归）原理

样本数据：{(x(1),y(1)),(x(2),y(2)),(x(3),y(3))…(x(m),y(m))}，即x∈Rnx,y∈(0,1)一个样本数据可能是含有nx个特征向量：x(i)={x1(i),x2

沐风野草·2022-12-16 13:07

读书笔记---《集体智慧编程》第3章：发现群组

抽象地说，对样本X，设有p个指标，即X=(X1,X2,⋯,Xp)T.在博客聚类的这个例子中，选取的分类指标是一些单词（这里暂时不管为什么要选这些单词），即为china,

lxy孙悟空·2022-12-16 12:07

机器学习----多项式回归

多项式回归简介考虑下面的数据，虽然我们可以使用线性回归来拟合这些数据，但是这些数据更像是一条二次曲线,相应的方程是y=ax2+bx+c,这是式子虽然可以理解为二次方程，但是我们呢可以从另外一个角度来理解这个式子：如果将x2

__Miracle__·2022-12-16 09:27

机器学习算法之 K-means、层次聚类，谱聚类

实际中最常用的是k-means，k-means效果不好的情况下才会采用其他聚类K-means算法K-means算法，也称为K-平均或者K-均值，是一种使用广泛的最基础的聚类算法假设输入样本为T=X1,X2

奔跑的大西吉·2022-12-16 09:49

matlab三次多样式对函数拟合,Matlab regress函数拟合多个变量分析

简介拟合曲线，在matlab中有polyfit函数，有cftool工具，对于多项式，指数，对数都有很好的拟合，但是对于多个参数的拟合，比如x1,x2……用什么函数呢？

孙天任·2022-12-16 09:42

特征工程之高维组合特征的处理、组合特征、文本表示模型

假设数据的特征向量为X=(x1,x2,x3,x4,x5……xk)。比如xi和xj两个特征组合，组合之后特征的维度=xi取值个数*xj取值个数。但是当引入特征ID进

算法星球·2022-12-16 08:55

因子分析以及SPSS实现

假设我们有nnn个样本，ppp个指标，则可以构成大小为n×pn\timespn×p的样本矩阵x=[x11x12⋯x1px21x22⋯x2p⋮⋮⋱⋮xn1xn2⋯xnp]=（x1,x2,⋯ ,xp）x=\

Logistic..·2022-12-16 07:57

吴恩达机器学习视频课笔记【第1-3章】

梯度下降（Gradientdescent）2.4线性回归算法（Linearregression）3矩阵和向量typora使用数学公式(部分)1机器学习的一些概念1.1基础概念数据集datasetD={x1,x2

反正没几根头发·2022-12-16 04:41

系统辨识char3_3——递推最小二乘辨识程序

seed',100);v=randn(1,60);%产生M序列L=60;%M序列的周期y1=1;y2=1;y3=1;y4=0;%四个移位积存器的输出初始值fori=1:L;x1=xor(y3,y4);x2

小凡1991·2022-12-16 01:27

RLS算法-公式初探

RLS）——全网最简单易懂的推导过程-阿Q在江湖的文章-知乎https://zhuanlan.zhihu.com/p/111758532对于一组观测点(x1,y1)(x_1,y_1)(x1,y1)，(x2

天之道，利而不害·2022-12-16 01:26

详细版【卷积神经网络CNN】基础模型（邱锡鹏）

如果使用全连接，则所有维度都被一视同仁，如(x1,y1)(x2,y2)中的四个数字被等价看待，但是实际上x1和x2的关联度（相关性）会高于x1和y1，一般需要进行数据增强来提高性能。

皇皇零岁·2022-12-15 15:55

数学期望、信息量、信息熵、相对熵、交叉熵

先看离散的情况，假设X为离散型随机变量，x1，x2，x3，……，xk为随机变量的所有可能取值，p1，p2，p3，……，pk为随机变量相应取值发生的概率，其中p1+p2+p3+……+pk=1。

wchwdog13·2022-12-15 13:08

贤哲栖栖古如此，今时亦弃青云士。不要二

对于两个格子坐标(x1,y1),(x2,y2)的欧几里得距离为:((x1-x2)*(x1-x

famur·2022-12-15 13:46

CH4_朴素贝叶斯及其Spark实现

朴素贝叶斯模型假设我们有数据样本如下：(X1,X2,..Xn,Y)(X_1,X_2,..X_n,Y)(X1,X2,..Xn,Y)有m个样本，每个样本有n个特征，特征输出有K个类别我们可以通过以上样本学习得出先验概率

k_wzzc·2022-12-15 11:41

机器学习笔记 - 决策树基本算法

决策树的形态大致如下图所示基本算法:输入:训练集D={(x1,y1),(x2,y2),...,(xm,ym)}属性集

volvet·2022-12-15 11:55

腾讯开源应用中心发布，速来体验打卡吧！

在开源社区有着大量广受用户欢迎的应用，比如世界排名第一的CMS系统WordPress，知识付费新秀Discuz!Q，中文社区论坛领导者Discuz!

DNSPod·2022-12-15 08:22

语言模型（马尔可夫模型，n元语法）

参考：8.3.语言模型和数据集—动手学深度学习2.0.0documentation假设长度为T的文本序列中的词元依次为x1,x2,…,xT。

流萤数点·2022-12-15 07:10

Ceres学习笔记006_使用Ceres解决一般无约束优化问题

本文将以Rosenbrock函数为例，使用Ceres优化出能够使其最小化的参数值，Rosenbrock函数表达式如下：f(x,y)=(1−x)2+100(y−x2)2f(x,y)=(1-x)^2+1

wang.chen.xue·2022-12-15 05:26

朴素贝叶斯算法(Naive Bayes) 原理总结

训练集：T={(x1,y1),(x2,y2),…,(xN,yN)}。对于每个实

nathan_deep·2022-12-14 20:42

《西瓜书》阅读笔记——第三章

3.1基本形式给定由ddd个属性描述的示例x=(x1;x2;...;xd)x=(x_1;x_2;...;x_d)x=(x1;x2;...

Shannon_Lau·2022-12-14 16:25

谱聚类算法

2.算法流程输入：样本集D=(x1,x2,

泡不会菜·2022-12-14 15:34

1.4&1.5 模型评估和选择，正则化和交叉验证

学习到的模型：Y=f^(X)Y=\hat{f}(X)Y=f^(X)训练集(TrainingSet)：T={(x1,y1),(x2,y2)⋯ ,([xN,yN)}T=\left\{\left(x_

是我樂樂呀·2022-12-14 15:49

（二）实值函数相对于向量的梯度

1、定义以n维向量xx为变元的实标量函数f(x)f(x)相对于xx的梯度结果为n*1列向量，定义为▽xf(x)=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢∂f(x)∂x1∂f(x)∂x2⋮∂f(x)∂xn⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥

HawardScut·2022-12-14 13:28

python中无法在for循环中修改变量

有这么一段代码forcls,(x1,y1,x2,y2),confinpred:cls,(x1,y1,x2,y2),conf=pred[fcount]ifCheckBlackPercent(img_only_paster

南京黑芝麻浆·2022-12-14 12:36

机器学习（聚类二）——K-Means

假设输入样本为T=X1,X2,...,XmT=X_1,X_2,...,X_mT=X1,X2,...,Xm;则算法步骤为（使用欧几里得距离公式）：选择初始化的k个类别中心a1,a2,...aka_

张连海·2022-12-14 09:46

K-means及其改进

一.k-means1.算法流程给定数据样本集D={x1,x2,...,xm}D=\{x_1,x_2,...,x_m\}D={x1,x2,...,xm},k-means欲将DDD划分成K个簇C={c1,c2

Jender_Sean·2022-12-14 09:03

推荐频道

Discuz!X2