1.6 作业
- 描述你在学习、使用数学表达式时的困难, 可举例说明.
- 关于标量, 变量, 矩阵及向量等的符号表示容易混淆, 经常会由于疏忽导致符号没有大写或用错斜体, 例如表示矩阵 A \mathbf{A} A, 有时会忘记使用 \mathbf{A}
- 没有注意括号的统一性, 例如有时直接使用 {}, 有时使用 \lbrace, \rbrace
- 另外就是对各种符号的使用不熟悉, 需要去查相关符号的表示方法
2.6 作业
-
令 A = { 3 , 5 } \mathbf{A}= \lbrace3, 5 \rbrace A={3,5}, 写出 2 A 2^{\mathbf{A}} 2A
2 A = { ∅ , { 3 } , { 5 } , { 3 , 5 } } 2^{\mathbf{A}}=\lbrace \emptyset,\{3\},\{5\},\{3,5\} \rbrace 2A={∅,{3},{5},{3,5}}
-
展开 2 ∅ 2^{\emptyset} 2∅
2 ∅ = { ∅ } 2^{\emptyset}=\lbrace \emptyset \rbrace 2∅={∅}
-
令 A = { 5 , 6 , 7 , 8 , 9 } \mathbf{A} = \{5, 6, 7, 8, 9\} A={5,6,7,8,9}, 写出 A \mathbf{A} A的其它两种表示法.
1.枚举法简记 [ 5..9 ] [5..9] [5..9]
2.谓词法 A = { x ∣ x ∈ N , 4 < x < 10 } \mathbf{A}=\{x \vert x \in \mathbb{N},4<x<10\} A={x∣x∈N,4<x<10}
3.3 作业
- 自己出数据, 做一个
3
×
2
3 \times 2
3×2 与
2
×
4
2 \times 4
2×4 的矩阵乘法
[ 1 1 1 1 1 0 ] × [ 1 2 3 1 4 5 6 1 ] = [ 5 7 9 2 5 7 9 2 1 2 3 1 ] \begin{bmatrix} 1 & 1 \\ 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} 1 & 2 & 3 & 1 \\ 4 & 5 & 6 & 1\\ \end{bmatrix} = \begin{bmatrix} 5 & 7 & 9 & 2 \\ 5 & 7 & 9 & 2\\ 1 & 2 & 3 & 1 \end{bmatrix} ⎣⎡111110⎦⎤×[14253611]=⎣⎡551772993221⎦⎤
作业:Deep Multi-View 符号系统的矛盾
论文题目:Deep Multi-View Enhancement Hashing for Image Retrieval
部分截图:
存在的部分问题
the m-th view
, 这里的 m m m应该同上下文一致, 采用斜体;- { X ( m ) = [ x 1 ( m ) , … , x N ( m ) ] ∈ R d m × N } m = 1 M \{\mathbf{X}^{(m)}=[x_1^{(m)},\dots,x_N^{(m)}] \in \mathbb{R}^{d_m \times N}\}_{m=1}^M {X(m)=[x1(m),…,xN(m)]∈Rdm×N}m=1M 中的 x x x 应该使用粗体, 在这里 x x x 表示的是一个向量, 即 { X ( m ) = [ x 1 ( m ) , … , x N ( m ) ] ∈ R d m × N } m = 1 M \{\mathbf{X}^{(m)}=[\mathbf{x}_1^{(m)},\dots,\mathbf{x}_N^{(m)}] \in \mathbb{R}^{d_m \times N}\}_{m=1}^M {X(m)=[x1(m),…,xN(m)]∈Rdm×N}m=1M;
- O = { o i } i = 0 N \mathbf{O}=\{o_i\}_{i=0}^N O={oi}i=0N 这里的下标 i i i 应该从1开始或者上标为 N − 1 N-1 N−1;
- function φ \varphi φ 的定义中的function F \mathcal{F} F, 是对矩阵 X \mathbf{X} X 进行操作, 与上文 F ( O ) \mathcal{F}(\mathbf{O}) F(O) 定义冲突, O \mathbf{O} O 的本质是一个对象, 它是由 N N N 个元素构成的集合;
- φ ( X ) \varphi(\mathbf{X}) φ(X) 中出现的 φ 1 \varphi_1 φ1 到 φ m \varphi_m φm, 这里的下标 m m m 与上文没有关系, 不清晰;
- where b i b_i bi is the binary code associated with o i o_i oi, 这里的 b i b_i bi 并没有说明它是否是一个向量, 因为这里的 b i b_i bi 完全有可能是一个向量, 作为一个编码序列