![](https://img-blog.csdnimg.cn/d576cccd65464a5687c7dcdce387f224.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
数学建模
文章平均质量分 94
对于各种各样的数学建模方法进行收集,先解释原理,使用条件和限制,以及短小的程序实现展示。
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
无水先生
擅长数学,能熟练应用泛函分析、统计学、随机过程、逼近论、微分几何、非欧几何(双曲、共形)等数学理论,有数学建模能力。从事图像处理二十年以上,从事人工智能行业10年以上;在船舶、通信、铁路、教育等行业开发软件产品。
展开
-
FFT快速傅里叶变换音频分析
我们使用 Arduino 板来训练音频和运动数据。正如你所猜到的,训练模型的关键部分是特征提取。多亏了Edge Impulse,我不需要在项目期间提取特征。Edge Impulse 有一个用于自动分析数据的平台,它可以为模型选择正确的特征。它将音频数据转换为 FFT 和 PDS。原创 2024-04-19 04:30:12 · 420 阅读 · 0 评论 -
银行家算法
Banker算法是Edgers Dijkstra开发的一种资源分配和死锁避免算法,通过模拟所有资源的预定最大可能数量的分配来测试安全性,然后进行“s状态”检查以测试所有资源可能出现的死锁情况在决定是否允许继续分配之前,执行其他未决活动。原创 2023-12-09 06:11:35 · 1749 阅读 · 0 评论 -
为大家解释哥德尔不完备性定理
在数学界,很少有发现能像库尔特·哥德尔的不完备性定理那样引发如此多的阴谋和惊奇。1931年,这位25岁的奥地利逻辑学家提出了这些定理,这些定理永远改变了我们对数学的理解。哥德尔的开创性启示?在任何复杂到足以处理基本算术的数学系统中,都存在根本无法证明的真理。这一重磅炸弹意味着数学的核心是“不完整的”——这个概念既具有革命性,又令人费解。原创 2024-01-09 11:43:20 · 1057 阅读 · 1 评论 -
复数值神经网络可能是深度学习的未来
复数这种东西,在人的头脑中似乎抽象、似乎复杂,然而,对于计算机来说,一点也不抽象,不复杂,那么,将复数概念推广到神经网络会是什么结果呢?本篇介绍国外的一些同行的尝试实践,请我们注意观察他们的进展。原创 2023-12-29 12:51:08 · 2520 阅读 · 0 评论 -
衍射:经典波动行为(备份)
在本页中,我将尝试引导您了解光背后的基础知识。光是粒子还是波?衍射是与光传播偏差相关的现象的通用名称,与几何光学预测的偏差(即光的直线传播)有关,它揭示了光的性质波而不是微粒物质。原创 2023-10-20 11:09:24 · 1116 阅读 · 0 评论 -
关于折线回归
今天的帖子主要是关于使用折线回归找到最佳值。即将某条曲线分解成包络线段,然后用分段回归方式优化。但它也涉及使用 SAS 和 R 的剂量反应研究和样条曲线。原创 2023-12-19 11:00:25 · 2279 阅读 · 0 评论 -
N体问题-MATLAB 中的数值模拟
万有引力是宇宙普适真理,当计算两个物体的引力、质量、距离的关系是经典万有引力物理定律,然而面向复杂问题,比如出现三个以上物体的相互作用,随时间的运动力学,这种数学模型将是更高级的思维方法。本文将阐述这种事实。原创 2023-12-11 10:19:28 · 1224 阅读 · 0 评论 -
概率测度理论方法(第 2 部分)
欢迎回到这个三部曲的第二部分!在第一部分中,我们为测度论概率奠定了基础。我们探索了测量和可测量空间的概念,并使用这些概念定义了概率空间。在本文中,我们使用测度论来理解随机变量。原创 2023-12-08 08:24:33 · 1347 阅读 · 0 评论 -
Python 知识:检查图中是否存在哈密顿循环
哈密顿路径问题在上世纪七十年代初,终于被证明是“NP完全”的。据说具有这样性质的问题,难于找到一个有效的算法。实际上对于某些顶点数不到100的网络,利用现有最好的算法和计算机也需要比较荒唐的时间(比如几百年)才能确定其是否存在一条这样的路径。原创 2022-06-27 21:06:30 · 5023 阅读 · 0 评论 -
递归神经网络 (RNN)
循环神经网络非常有趣,因为与前馈网络不同,在前馈网络中,数据只能在一个方向上传播,每个神经元可以与连续层的一个或多个神经元连接,在这种类型的网络中,神经元还可以环回自身或连接到前一层的神经元。原创 2023-10-26 13:11:36 · 3581 阅读 · 3 评论 -
【概率论教程01】对贝叶斯定理的追忆
贝叶斯定理,是一个需要反复体悟的道理,不是说公式解释清除就算Grasp,而是需要反复在实际项目中发挥,才能算掌握了。而实际应用中,并不是简单给出条件就可以套用,而是隐藏在迷雾一样的事实中,本人认为,最难办的两个事情是:1)隐变元问题,2)连续性假设。3)分布和分布的比较。总之,用好贝叶斯理论是需要下点苦功的。原创 2023-10-24 15:57:55 · 3104 阅读 · 0 评论 -
雅可比矩阵和雅可比坐标
在本教程中,您将回顾一下雅可比行列式的简单介绍。完成本教程后,您将了解:雅可比矩阵收集了可用于反向传播的多元函数的所有一阶偏导数。雅可比行列式在变量之间变化时非常有用,它充当一个坐标空间与另一个坐标空间之间的缩放因子。原创 2023-10-23 17:25:41 · 2484 阅读 · 0 评论 -
伽马函数:将阶乘函数扩展到正整数之外
gamma函数有三百年历史了,是对阶乘这种运算的实数域拓展。属于高级的数学模型,在高级概率模型用于定义分布函数。本文将介绍这个函数的基础概念和属性。原创 2023-10-22 21:23:20 · 2438 阅读 · 0 评论 -
衍射:经典波动行为
在本页中,我将尝试引导您了解光背后的基础知识。光是粒子还是波?衍射是与光传播偏差相关的现象的通用名称,与几何光学预测的偏差(即光的直线传播)有关,它揭示了光的性质波而不是微粒物质。原创 2023-10-22 09:49:06 · 2877 阅读 · 0 评论 -
AdaBoost:增强机器学习的力量
机器学习已成为现代技术的基石,为从推荐系统到自动驾驶汽车的一切提供动力。在本文中,我们将探讨 AdaBoost 的基本概念、工作原理和应用,强调它在机器学习领域的重要性。原创 2023-10-22 09:07:09 · 2872 阅读 · 1 评论 -
线性代数1:线性方程和系统
通过这些文章,我希望巩固我对这些基本概念的理解,同时如果可能的话,通过我希望成为一种基于直觉的数学学习方法为其他人提供额外的清晰度。如果有任何错误或机会需要我进一步阐述,请分享,我可以进行必要的修改。原创 2023-10-22 08:32:01 · 3083 阅读 · 0 评论 -
【经典PageRank 】02/2 算法和线性代数
该算法由 Sergey 和 Lawrence 开发,用于在 Google 搜索中对网页进行排名。基本原则是重要或值得信赖的网页更有可能链接到其他重要网页。例如,来自信誉良好的网站的链接比来自不太知名的博客的链接具有更大的权重。特征向量在理解 PageRank 算法的理论中发挥着基础作用。PageRank 和特征向量之间的联系可以在马尔可夫链或计算图及其稳态行为的背景下得到最好的理解。原创 2023-10-22 08:25:47 · 3370 阅读 · 0 评论 -
【经典 PageRank 】01/2 PageRank的基本原理
PageRank是Google搜索算法中使用的一种算法,用于确定页面的重要性和排名。 它是通过对网页间的链接关系进行评估来计算的,具有较高的链接权重的网页将获得较高的PageRank值。 PageRank是一个0到10的指标,其中10是最高级别,表示网页是高质量,受欢迎且有价值的。虽然Google对PageRank的重要性逐渐下降,但它仍然是搜索引擎排名因素之一,特别是在SEO优化领域中。原创 2023-10-22 08:13:30 · 2941 阅读 · 0 评论 -
线性代数2:阶梯矩阵形式
欢迎阅读的系列文章的第二篇文章,内容是线性代数的基础知识,线性代数是机器学习背后的基础数学。在我之前的文章中,我介绍了线性方程和系统、矩阵符号和行缩减运算。本文将介绍梯队矩阵形式:行梯队形式和行缩减梯队形式,以及如何使用两者来解决线性系统。本文最好与David C. Lay,Steven R. Lay和Judi J. McDonald的线性代数及其应用一起阅读。将此系列视为外部配套资源。原创 2023-10-22 00:05:07 · 3418 阅读 · 0 评论 -
线性代数3:矢量方程
欢迎回到系列文章的第三篇文章,内容是线性代数的基础知识,线性代数是机器学习背后的基础数学。在我之前的文章中,我介绍了梯队矩阵形式。本文将介绍向量、跨度和线性组合,并将这些新想法与我们已经学到的内容联系起来。本文最好与David C. Lay,Steven R. Lay和Judi J. McDonald的线性代数及其应用一起阅读。将此系列视为配套资源。原创 2023-10-22 00:02:39 · 3019 阅读 · 0 评论 -
线性代数3:矢量方程
欢迎回到系列文章的第三篇文章,内容是线性代数的基础知识,线性代数是机器学习背后的基础数学。在我之前的文章中,我介绍了梯队矩阵形式。本文将介绍向量、跨度和线性组合,并将这些新想法与我们已经学到的内容联系起来。原创 2023-10-21 11:49:16 · 2427 阅读 · 0 评论 -
机器学习终极指南:统计和统计建模03/3 — 第 -3 部分
在终极机器学习指南的第三部分中,我们将了解统计建模的基础知识以及如何在 Python 中实现它们,Python 是一种广泛用于数据分析和科学计算的强大编程语言。我们将介绍概率分布、假设检验、回归分析和分类等基本概念,以及数据准备、模型选择和评估等动手技术。原创 2023-10-20 10:07:40 · 3134 阅读 · 0 评论 -
继续复制:元胞自动机中的自我复制
任何观察生物体的人都非常清楚,它们可以产生像自己一样的其他生物体。这是它们的正常功能,如果他们不这样做,它们就不会存在,而且这很可能是它们在世界上比比皆是的原因。换句话说,生物体是基本部分的非常复杂的集合体,根据任何合理的概率理论或热力学,都极不可能。它们竟然出现在世界上,这是第一级的奇迹;唯一能消除或减轻这个奇迹的是它们自我繁殖。因此,如果由于任何特殊的偶然事件而应该有一个,那么从那里开始,概率规则就不适用了,而且会有很多,至少在环境合理的情况下是这样。原创 2023-09-18 08:21:48 · 2374 阅读 · 0 评论 -
傅里叶变换应用 (01/2):频域和相位
我努力理解傅里叶变换,直到我将这个概念映射到现实世界的直觉上。这是一系列技术性越来越强的解释中的第一篇文章。我希望直觉也能帮助你!原创 2023-09-17 07:28:25 · 3308 阅读 · 0 评论 -
进化算法、遗传编程和学习
进化算法是一系列搜索算法,其灵感来自自然界(达尔文主义)进化过程。所有不同家庭成员的共同点是,通过应用受自然遗传学和自然选择启发的原创 2023-09-16 12:00:46 · 3577 阅读 · 0 评论 -
模态分析的概念。C++减振器设计。
模态分析是工程和物理学中用于研究系统或结构动态特性的技术。它涉及分析系统的振动或振荡的自然模式以及相应的频率、阻尼系数和振型。原创 2023-09-11 20:31:49 · 2419 阅读 · 0 评论 -
DBSCAN聚类算法原理和Python实现
DBSCAN 代表 基于密度的带噪声应用程序空间聚类。它是一种流行的聚类算法,用于机器学习和数据挖掘,根据数据集中紧密排列在一起的点与其他点的距离对点进行分组。原创 2023-09-10 11:43:36 · 2730 阅读 · 0 评论 -
【K 均值聚类】02/5:简介
k-mean算法是一种聚类算法,它的主要思想是基于数据点之间的距离进行聚类。K-means聚类是一种无监督的机器学习算法。让我们再解释一下这句话。聚类分析的目标是将数据划分为同类聚类。每个聚类中的点彼此之间比其他聚类中的点更相似。原创 2023-09-06 11:52:03 · 2827 阅读 · 0 评论 -
使用高斯混合模型进行聚类
高斯混合模型 (GMM) 是一种基于概率密度估计的聚类分析技术。它假设数据点是由具有不同均值和方差的多个高斯分布的混合生成的。它可以在某些结果中提供有效的聚类结果。原创 2023-09-06 10:21:01 · 3323 阅读 · 0 评论 -
深度强化学习介绍-深度 Q 网络 (DQN) 算法
深度强化学习的起源是纯粹的强化学习,其中问题通常被框定为马尔可夫决策过程(MDP)。MDP 由一组状态 S 和操作 A 组成。状态之间的转换使用转移概率 P、奖励 R 和贴现因子 gamma 执行。概率转换P(系统动力学)反映了从一个状态到另一个状态的不同转换和奖励发生的次数,其中顺序状态和奖励仅取决于在前一个时间步采取的状态和操作。原创 2023-08-27 16:36:13 · 3813 阅读 · 0 评论 -
律动运动模式生成器:基于C++的库
本篇讲述关于生物模型的神经网络,中央模式生成器的简单神经网络的一个例子是半中心振荡器;该系统分成两个组成,信号层和物理层。新概念仓本模型,以及龙格库塔法的方程解法,总之,看懂此文需要相当的数学功底。原创 2023-08-27 15:51:45 · 2528 阅读 · 0 评论 -
蒙蒂卡洛与圣杯:二次更快的模拟
针对不确知的,或者是混沌问题,如果存在解决,什么方法最有效?本文针对蒙特卡洛法展开讨论。原创 2023-08-22 23:16:02 · 3129 阅读 · 2 评论 -
排名前 6 位的数学编程语言
任何对数学感兴趣或计划学习数学的人,都应该至少对编程语言有一定的流利程度。您不仅会更有就业能力,还可以更深入地理解和探索数学。那么你应该学习什么语言呢?原创 2023-08-20 16:05:54 · 7937 阅读 · 4 评论 -
自动编码器中的马尔可夫链蒙特卡罗期望最大化 (MCMC-EM):使用贝叶斯推理增强学习
自动编码器中的 MCMC-EM 利用贝叶斯推理和 MCMC 采样的强大功能来改进训练过程,尤其是在高维和非凸参数空间中。通过考虑参数不确定性,MCMC-EM可以生成更稳健和可推广的模型。但是,MCMC-EM 的计算成本可能很高,并且找到合适的提案分布可能具有挑战性。原创 2023-08-19 10:52:51 · 3287 阅读 · 0 评论 -
贝叶斯推理问题、MCMC和变分推理
贝叶斯推理是统计学中的一个主要问题,在许多机器学习方法中也会遇到。例如,用于分类的高斯混合模型或用于主题建模的潜在狄利克雷分配都是在拟合数据时需要解决此类问题的图形模型。原创 2023-08-19 10:41:28 · 3246 阅读 · 0 评论 -
了解扩散概率模型 (DPM)
对复杂的概率分布进行建模是机器学习的核心问题。如果这个问题可以出现在不同的形状下,最常见的设置之一如下:给定仅由一些可用样本描述的复杂概率分布,如何生成新样本?原创 2023-08-19 10:10:14 · 3722 阅读 · 0 评论 -
贝叶斯推理问题、MCMC和变分推理
贝叶斯推理是统计学中的一个主要问题,在许多机器学习方法中也会遇到。例如,用于分类的高斯混合模型或用于主题建模的潜在狄利克雷分配都是在拟合数据时需要解决此类问题的图形模型。原创 2023-08-19 09:56:11 · 3308 阅读 · 0 评论 -
排名算法简介:对搜索结果进行排序的主要排名算法
学习排名(LTR) 是一类监督式机器学习算法,旨在根据项目与查询的相关性对项目列表进行排序。在分类和回归等问题中的经典机器学习中,目标是根据特征向量预测单个值。LTR 算法对一组特征向量进行操作,并预测项目的最佳顺序。原创 2023-08-18 20:55:38 · 3727 阅读 · 0 评论 -
蒙特卡洛树搜索(MCTS)在AlphaGo Zero中
蒙特卡洛树(Monte Carlo Tree)是一种搜索算法,主要用于解决决策问题。它的核心思想是通过模拟游戏过程,评估各个节点的胜率,从而选择最优策略。原创 2023-08-16 17:46:47 · 3269 阅读 · 0 评论 -
【基础理论】隐马尔可夫模型及其算法
根据L.R Rabiner等人[1]的说法,隐马尔可夫模型是一个双重嵌入的随机过程,其潜在的随机过程是不可观察的(它是隐藏的),但只能通过另一组产生观察序列的随机过程来观察。基本上,隐马尔可夫模型 (HMM) 是观察一系列排放,但不知道模型生成排放所经历的状态序列的模型。我们分析隐马尔可夫模型,以从观察到的数据中恢复状态序列。听起来很混乱吧原创 2023-07-25 05:17:04 · 3979 阅读 · 0 评论