- 博客(24)
- 收藏
- 关注
RSS订阅原创 在python中调用matlab
记录一下Windows10中配置python中调用matlab的经验.适配版本在python中调用matlab可以用一个matlab的包, 相关介绍可以看matlab官方解释.本次配置是2021年3月31日的结果. matlab包以及matlab相应版本对应的python版本可以看这个文件.我下了Matlab2020b和python3.8.8.matlab包的启动用pip下了matlab后始终用不了matlab.engine, 多方查找才找到了解决方法.首先找到安装matlab的文件夹, 找到
2021-03-31 22:16:32
317
原创 神经网络的絮絮念
· Deep Learning 三大块: hypothesis space (a set of trial functions); the loss function, which defines the optimization problem; optimization algorithm.hypothesis space· Feature-based models: ϕj,j=1,…,m{\phi_{j},j=1,\dots,m}ϕj,j=1,…,m is a set of functions
2021-03-26 15:46:18
176
原创 Monte Carlo method
蒙特卡洛方法算积分设xii=1m{\mathbf{x}_{i}}_{i=1}^{m}xii=1m是独立同分布的一组随机变量,I=∫f(x)dx∼Im=1m∑i=1mf(xi).I = \int f(\mathbf{x)}\mathrm{d}\mathbf{x}\sim I_{m} = \frac{1}{m}\sum_{i=1}^{m}f(\mathbf{x}_i).I=∫f(x)dx∼Im=m1i=1∑mf(xi).E[(I−Im)2]=1m2∑i,jE[(I−f(xi))(I−xj)]=
2021-03-26 14:48:21
143
原创 采样动画演示
算法可视化里面有关于采样的动画展示Mitchell’s best-candidate algorithmuniform randomPoisson-disc其实里面还有很多别的东西，我还没看
2021-03-12 10:30:09
724
原创 Karhunen-Loève expansion and random field
在做数值实验时很可能要求实现符合某种协方差的随机域。选取这样的随机向量的一种方式就是Karhunen-Loève expansion。本文主要参考论文介绍基本的概念和简要介绍数值实现的方法。为以后使用做准备。文章目录1. 随机域2. KL expansion截断KL expansion3. 解KL expansion的数值方法Degenerate kernel methodsNyström methodsProjection methods(1) Collocation methods(2) Galerk
2021-02-07 18:17:15
1237
1
原创 【数值最优化】2.拟牛顿法
系列文章【数值最优化】1. 线搜索方法【数值最优化】2. 拟牛顿本文目录系列文章一、DFP方法, BFGS方法二、SR1方法三、计算大型问题 L-BFGS一、DFP方法, BFGS方法回顾线搜索方法的迭代公式是xk+1=xk+αkpkx_{k+1}=x_{k}+\alpha_{k}p_{k}xk+1=xk+αkpk, pk=−Bk−1∇fkp_{k}=-B_{k}^{-1}\nabla f_{k}pk=−Bk−1∇fk, 其中BkB_{k}Bk是nnn阶对称正定矩阵. 拟牛顿法就
2020-11-01 23:28:54
293
原创 【数值最优化】1. 线搜索方法
系列文章【数值最优化】1. 线搜索方法【数值最优化】2. 拟牛顿(计划中)本文目录系列文章一、步长选取(1) Wolfe conditions(2) The Goldstein conditions(3) 向后线搜索二、收敛速度(1) 最速下降法(steepest-descent method)(2) Newton's method(3) Quasi-Newton methods三、修正Hessian矩阵的Newton's method线搜索是一种寻找函数f(x)f(x)f(x)最值(此处默认为
2020-10-29 20:24:15
487
原创 Adaptive Filter Learing Notes 自适应滤波学习笔记08 Levinson-Durbin算法
文章目录Levinson-Durbin算法的推导Levinson-Durbin算法是用来解线性预测误差滤波的系数(prediction-error filter coefficients)和预测误差功率(prediction-error power)的递归算法，优点是减少计算量和存储空间Levinson-Durbin算法的推导先参考上一篇笔记Adaptive Filter Learing Notes 自适应滤波学习笔记07 线性预测的记号，Rm+1am=[Pm0],Rm+1amB∗=[0Pm].\bo
2020-06-01 17:29:52
502
原创 Adaptive Filter Learing Notes 自适应滤波学习笔记07 线性预测
文章目录我们考虑的过程都是广义稳态随机过程，且均值为0。考虑的线性预测有两种，一种是向前线性预测(forward linear prediction)，用u(n−1)u(n-1)u(n−1)，u(n−2)u(n-2)u(n−2)，…\dots…，u(n−M)u(n-M)u(n−M)来预测u(n)u(n)u(n)，Un−1\mathscr{U}_{n-1}Un−1表示u(n−1)u(n-1)u(n−1)，u(n−2)u(n-2)u(n−2)，…\dots…，u(n−M)u(n-M)u(n−M)张成的空间，
2020-05-26 23:10:07
408
原创 随机微分方程学习笔记04 Ito公式
Ito公式的证明很繁琐，暂时不写证明。完整的证明可以看Karatzas和Shreve在1991年的Brownian motion and stochastic calculus.2nd ed.。V∗={(Y(t),t≥0):实值连续随机过程，适应的(adaptive)，可测的，且P(∫0∞Y(t)2dt<∞)=1}V^*=\{(Y(t),t\ge 0):实值连续随机过程，适应的(adaptive)，可测的，且\mathbb{P}\left(\int_0^{\infty}Y(t)^2\mathrm{
2020-05-18 16:26:02
6212
2
原创 随机微分方程学习笔记03 Fisk-Stratonovich积分
V:={Y:Y为实值随机过程，Ft−适合，可测，且满足∥Y∥V:=(∫0∞E[Y(t)2]dt})12<∞}V:=\{Y:Y为实值随机过程，\mathscr{F}_t-适合，可测，且满足\|Y\|_{V}:=\left(\int_{0}^{\infty}\mathbb{E}\left[Y(t)^2\right]\mathrm{d}t\}\right)^{\frac{1}{2}}<\infty\}V:={Y:Y为实值随机过程，Ft−适合，可测，且满足∥Y∥V:=(∫0∞E[Y(t)2]dt}
2020-05-18 10:03:27
1171
原创 随机微分方程学习笔记02 Doob鞅不等式
文章目录Doob鞅不等式(Doob's martingale inequality)Jensen不等式Doob's martingale inequalityDoob鞅不等式(Doob’s martingale inequality)Jensen不等式Doob’s martingale inequality定理：设(Xn,Fn)0≥n≥N(X_n,\mathscr{F}_n)_{0\ge n\ge N}(Xn,Fn)0≥n≥N是鞅，则对任意p≥1p\ge 1p≥1和λ>0\lambda
2020-05-13 17:15:39
4921
原创 随机微分方程学习笔记01 相对布朗运动的Ito积分
这个系列是在随机过程学习笔记之后的，本来想直接看随机微分方程的，但发现很多概念不了解，就先去看了随机过程的资料。文章目录Ito积分在L2L^2L2上构造Ito积分在L2L^2L2上构造设(Ft)t≥0(\mathscr{F}_t)_{t\ge 0}(Ft)t≥0是一个完备概率空间(Ω,F,P)(\Omega,\mathscr{F},P)(Ω,F,P)上的滤子，即一个满足Fs⊂Ft⊂F,(s≤t\mathscr{F}_s\subset\mathscr{F}_t\subset\mathscr{F
2020-05-11 12:40:06
3089
原创 随机过程学习笔记05 随机积分（不完整）
终于到了随机积分了，想补概率论的知识就是因为看论文看到随机积分不明白。文章目录实值函数的Stieltjes积分单调函数的Stieltjes积分对有界变差函数的Stieltjes积分布朗运动的轨道性质布朗运动与Ito积分实值函数的Stieltjes积分单调函数的Stieltjes积分设F(t)F(t)F(t)为区间[a,b][a,b][a,b]上的单调函数，g(t)g(t)g(t)为连续函数，对与[a,b][a,b][a,b]的一个划分a=t0(n)<t1(n)<⋯<tNn(n)=b
2020-05-09 18:01:34
1897
原创 随机过程学习笔记04 布朗运动
终于要到这一章了！在很多随机的分析当中都需要用到它。文章目录布朗运动性质布朗运动设{Bt,t≥0}\{B_t,t\ge 0\}{Bt,t≥0}是一个随机过程，如果它满足以下三条Bt+s−BtB_{t+s}-B_{t}Bt+s−Bt服从正态分布N(0,σ2s)\mathscr{N}(0,\sigma^2s)N(0,σ2s)；对任意0<t1<t2<⋯<tn0&...
2020-05-08 16:29:31
4086
原创 随机过程学习笔记03 鞅
文章目录定义定义设(Xt)t∈T(X_t)_{t\in T}(Xt)t∈T为(Ω,F,(Ft)t∈T,P)(\Omega,\mathscr{F},(\mathscr{F}_{t})_{t\in T},P)(Ω,F,(Ft)t∈T,P)上关于(Ft)t∈T(\mathscr{F}_t)_{t\in T}(Ft)t∈T适应的随机过程【“适应”的定义见随机过程学习笔记02 条件数学期望】...
2020-05-06 22:09:29
3102
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记06 Wiener滤波
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。应该会慢慢改进，会慢慢补充每一个部分的笔记。文章目录线性最佳滤波问题(Linear optimum filtering)正交原则(Principle of orthogonality)最小均方误差Wiener-Hope方程FIR的情况线性最佳滤波问题(Linear optimum fil...
2020-05-04 16:52:27
306
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记05 经过线性滤波的洗礼
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。应该会慢慢改进，会慢慢补充每一个部分的笔记。文章目录线性滤波之后功率谱分析器线性滤波之后设H(z)H(z)H(z)是一个线性、不随时间变化且稳定的离散时间滤波的离散转换函数，定义为滤波输出值的z-变换滤波输入值的z-变换\frac{\text{滤波输出值的}z\text{-变换}}{\...
2020-05-03 14:42:46
196
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记04 功率谱密度
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。应该会慢慢改进，会慢慢补充每一个部分的笔记。文章目录功率谱密度(Power Spectral Density)功率谱密度(Power Spectral Density)...
2020-05-03 11:54:31
533
3
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记03 自回归模型
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。应该会慢慢改进，会慢慢补充每一个部分的笔记。文章目录Stochastic Progress and ModelsStochastic Progress and Models...
2020-04-29 15:57:02
395
原创 随机过程学习笔记02 条件数学期望
随机方面的知识非常欠缺，最近看看资料学习一下。文章目录条件数学期望定义1定义2+性质条件数学期望定义1定义1：X,Y1,…,YnX,Y_1,\dots,Y_nX,Y1,…,Yn为概率空间(Ω,F,P)(\Omega,\mathscr{F},P)(Ω,F,P)上的随机变量且满足E[X2]<∞\mathbb{E}[X^2]<\inftyE[X2]<∞，称由Y1,…,YnY...
2020-04-28 17:06:41
3007
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记02 随机过程模型
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。应该会慢慢改进，会慢慢补充每一个部分的笔记。文章目录Stochastic Progress and Models三个常见线性随机模型自回归模型(Autoregressive Models)滑动平均模型(Moving-Average Models)自回归滑动平均模型(Autoregressi...
2020-04-26 21:47:36
366
原创 随机过程学习笔记01 随机过程+高斯随机
随机过程一个随机过程是定义在一个概率空间(Ω,F,P)(\Omega,\mathscr{F},P)(Ω,F,P)上的以TTT为指标集的随机变量族{Xt,t∈T}(X(t),t∈T)\{X_t,t\in T\}(X(t),t\in T){Xt,t∈T}(X(t),t∈T)。对于固定的t∈Tt\in Tt∈T，XtX_tXt的取值空间为状态空间，记为SSS，其中的元素成为状态。【一定要好好区分Ω...
2020-04-26 18:16:36
1069
1
原创 Adaptive Filter Learning Notes 自适应滤波学习笔记01 随机过程
这是一个学习笔记系列。为督促自己看书，立下Flag每周一更。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。
2020-04-23 15:54:45
426
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人