1、最大似然法
最大似然估计,就是利用已知的样本结果,反推最有可能(最大概率)导致这样结果的参数值(模型已知,参数未知)
2、概率密度函数PDF
概率密度函数定义:当试验次数无限增加,直方图趋近于光滑曲线,曲线下包围的面积表示概率。该曲线称为概率密度函数。
概率密度:一个点的概率。概率分布:一个区域的概率合计。
在图像中,就是归一化直方图。
3、傅里叶变换的理解
参考:(如果看了此文你还不懂傅里叶变换,那就过来掐死我吧【完整版】——http://blog.jobbole.com/70549/)
4、卷积
卷积的重要的物理意义是:一个函数(如:单位响应)在另一个函数(如:输入信号)上的加权叠加。
参考:(如何通俗易懂地解释卷积?https://www.zhihu.com/question/22298352)
哈达吗(Hadamard)矩阵是由元素为+1和-1构成的且满足Hn*Hn'=nl(这里Hn'为Hn的转置,l为单位方阵)的n阶方阵。
5、哈达玛矩阵
6、矩阵乘法
6、矩阵乘法
(1)matmul product(一般矩阵乘积)
m x p
矩阵A与p x n
矩阵B,那么称m x n
矩阵C为矩阵A与矩阵B的一般乘积,记作C = AB
,其中矩阵C元素$ [cij]
为矩阵A、B对应两两元素之和,表示为:
例子:
(2)Hadamard product(哈达吗积)
(2)Hadamard product(哈达吗积)
m x n
矩阵A = [aij]
与矩阵$B = [bij]
的Hadamard积,记为A * B
。新矩阵元素定义为矩阵A、B对应元素的乘积(A * B)ij = aij.bij
。
例子:
(3)Kronecker product(克罗内克积)
(3)Kronecker product(克罗内克积)
Kronecker积是两个任意大小矩阵间的运算,表示为 A x B
。如果A是一个 m x n 的矩阵,而B是一个 p x q 的矩阵,克罗内克积则是一个 mp x nq 的矩阵。克罗内克积也称为直积或张量积,以德国数学家利奥波德·克罗内克命名。
例子:
7、封闭解(Closed-form solution)、解析解(Analytical solution)、数值解(Numerical solution)释义
解析解(Analytical solution) 就是根据严格的公式推导,给出任意的自变量就可以求出其因变量,也就是问题的解,然后可以利用这些公式计算相应的问题。所谓的解析解是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。用来求得解析解的方法称为解析法(Analytical techniques),解析法即是常见的微积分技巧,例如分离变量法等。解析解是一个封闭形式(Closed-form) 的函数,因此对任一自变量,我们皆可将其带入解析函数求得正确的因变量。因此,解析解也被称为封闭解(Closed-form solution)。
数值解(Numerical solution) 是采用某种计算方法,如有限元法, 数值逼近法,插值法等得到的解。别人只能利用数值计算的结果,而不能随意给出自变量并求出计算值。当无法藉由微积分技巧求得解析解时,这时便只能利用数值分析的方式来求得其数值解了。在数值分析的过程中,首先会将原方程加以简化,以利于后来的数值分析。例如,会先将微分符号改为差分(微分的离散形式)符号等,然后再用传统的代数方法将原方程改写成另一种方便求解的形式。这时的求解步骤就是将一自变量带入,求得因变量的近似解,因此利用此方法所求得的因变量为一个个离散的数值,不像解析解为一连续的分布,而且因为经过上述简化的操作,其正确性也不如解析法可靠。
简而言之,解析解就是给出解的具体函数形式,从解的表达式中就可以算出任何对应值;数值解就是用数值方法求出近似解,给出一系列对应的自变量和解。
8、酉矩阵
酉矩阵又称为幺正矩阵,若一n行n列的复数矩阵U满足:
9、正交向量
正交矩阵A是满足 AA^T = A^TA = E 的方阵 (这是定义)。
A是正交矩阵的充分必要条件是:A的列向量组是正交向量组,且列向量的长度都是1。