他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 48 篇文章 |
|
神经网络背后的简单数学。典型神经网络的神经元接收输入值的总和乘以其权重和增加的偏差，该函数（也称为激活函数或步进函数）有助于做出决策。它是深度学习中最常用的激活函数，因为它不像其他激活函数那样复杂。输入特征与权重和偏差的组合通过密集层，在该层中，网络借助激活函数学习特征，并且网络具有自己的权重和偏差，最后进行预测（输... 阅28 转1 评0 公众公开 21-05-06 08:00 |
所以，切线就应该被理解为割线的极限，那么切线的斜率（也就是这点的导数）自然就是割线斜率的极限，所以导数f(x)’也自然而然地成了一个极限。于是，在莱布尼茨那里，他是先定义了代表无穷小量的微分dx和dy，然后再用微分的商定义了导数dy/dx，所以那时候导数也叫微商。关于微积分的重建，我们已经看到了如何在ε-δ定义的新极限下重新定义了... 阅19 转1 评0 公众公开 20-12-26 11:32 |
（1）自然数的立方和=自然数之和的平方。把自然数立方和的图形平铺看来，其中的正方体数量刚好是就是自然数之和的平方，所以就能证明上述等式成立。（3）欧拉恒等式。一个十分简单的公式就结合了数学中最重要的常数——自然常数e、虚数单位i、圆周率π、自然数1、自然数0，以及最重要的数学符号——加号+、等号=。当x∈(0, π)时，显然有f(x)&g... 阅11 转0 评0 公众公开 20-12-16 14:44 |
线性代数精华——矩阵的特征值与特征向量。如果能够找到的话，我们就称lambda是矩阵A的特征值，非零向量x是矩阵A的特征向量。我们令这个长度发生的变化当做是系数lambda，那么对于这样的向量就称为是矩阵A的特征向量，lambda就是这个特征向量对应的特征值。可以得到：使用Python求解特征值和特征向量。关于矩阵的特征值和特征向量的介绍到这里... 阅39 转0 评0 公众公开 20-10-23 23:24 |
种群数量越大，种群的增长速率也就越快，种群数量的变化率是和当前种群数量y相关的，于是可以简单描述为。我们已经知道，x=et的导数等于自身，那我们当然可以进一步知道，其二阶导数、三阶导数甚至更高阶的导数仍然是它自己。简单总结一下就是，人们在生活中经常遇到一个量的变化与自身大小相关的问题，为求解这类问题必须引入关于e的指数函数... 阅86 转1 评0 公众公开 20-06-30 11:53 |
强大的数据分析软件-Minitab.用于估计的样本数量公差区间的样本数量 *单样本 Z、单样本 t 和双样本 t配对 t单比率和双比率单样本 Poisson 率和双样本 Poisson 率单方差和双方差等价检验单因子方差二水平、Plackett-Burman 和一般全因子设计功效曲线。主成份分析因子分析判别分析聚类分析对应分析项目分析和 Cronbach alpha.单样本和双样本、配... 阅47 转0 评0 公众公开 20-03-03 17:28 |
你的估计状态将是具有一定均值和协方差的高斯随机变量(它将告诉我们该算法“确定”其当前估计的程度)你对原始系统的输出度量的不确定性将用均值为0和一定协方差的随机变量表示(这将告诉我们我们对度量本身的信任程度)系统模型的不确定性将由均值为0和一定协方差的随机变量表示(这将告诉我们我们对使用的模型有多信任)。特别是对于KF，你需要两... 阅107 转1 评0 公众公开 20-03-01 15:01 |
下面我就按照傅里叶-->短时傅里叶变换-->小波变换的顺序，讲一下为什么会出现小波这个东西、小波究竟是怎样的思路。来我们再回顾一下傅里叶变换吧，没弄清傅里叶变换为什么能得到信号各个频率成分的同学也可以再借我的图理解一下。比如你至少还要知道有一个“尺度函数”的存在，它是构造“小波函数”的关键，并且是它和小波函数一起才构... 阅26 转0 评0 公众公开 20-02-28 13:52 |
数学中的一朵“奇葩”——四元数。四元数就像一枚重磅炸弹在科学界炸开，直接导致支持派和反对派的对立，在哈密顿提出四元数后的几十年里，由于它的实用性还比较有限，许多物理学家宁愿使用原来的笛卡尔坐标而放弃四元数。到了19世纪80年代，四元数的第一个正式副产物开始诞生，这就是三维“向量分析”，而且准确来说，“向量分析”是四元数向... 阅151 转10 评0 公众公开 20-02-26 07:32 |
