好好学数学
deeebug
这个作者很懒,什么都没留下…
展开
-
深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件
原文转自http://blog.csdn.net/xianlingmao/article/details/7919597在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最优值;如果含有不等式约束,可以应用KKT条件去求取。当然,这两个方法求得的结果只转载 2016-07-28 21:23:27 · 1197 阅读 · 0 评论 -
coding | 0-4pi 缩放至 0-2pi
一个数组是[0,1,...,4pi],想把它缩放至[0,1,...,2pi],求数组中每个数在[0,1,...,2pi]的索引值a = [0,1,...,4pi];idx = mod(a,2pi+1);如果idx索引从1开始就+1原创 2019-01-23 16:32:39 · 209 阅读 · 0 评论 -
讲道理 | 计算正交投影算子
作者:nineheaded_bird 来源:CSDN 原文:https://blog.csdn.net/tengweitw/article/details/41174555 版权声明:本文为博主原创文章,转载请附上博文链接! 我们在初中就应该学过投影,那么什么是投影呢?形象点说,就是将你需要投影的东西上的每一点向你要投影的平面作垂线,垂线与平面的交点的集合就是你的投影。注意这...转载 2018-11-13 21:41:20 · 11194 阅读 · 2 评论 -
讲道理 | 特征值和特征向量意义
原文转自https://blog.csdn.net/fuming2021118535/article/details/51339881在刚开始学的特征值和特征向量的时候只是知道了定义和式子,并没有理解其内在的含义和应用,这段时间整理了相关的内容,跟大家分享一下;首先我们先把特征值和特征向量的定义复习一下:定义:设A是n阶矩阵,如果数λ和n维非零向量x使关系式……(1)...转载 2018-06-10 13:26:02 · 48707 阅读 · 40 评论 -
讲道理 | 傅里叶分析--神作
原文转自https://zhuanlan.zhihu.com/wille/19763358 作 者:韩 昊知 乎:Heinrich微 博:@花生油工人知乎专栏:与时间无关的故事谨以此文献给大连海事大学的吴楠老师,柳晓鸣老师,王新年老师以及张晶泊老师。转载的同学请保留上面这句话,谢谢。如果还能保留文章来源就更感激不尽了。——更新于2014.6.6,想直接看更新的同学可...转载 2018-03-25 20:11:15 · 393 阅读 · 0 评论 -
K-means KNN AND KD-tree
K-meansKNN KNN的算法过程是是这样的: 从上图中我们可以看到,图中的数据集是良好的数据,即都打好了label,一类是蓝色的正方形,一类是红色的三角形,那个绿色的圆形是我们待分类的数据。 如果K=3,那么离绿色点最近的有2个红色三角形和1个蓝色的正方形,这3个点投票,于是绿色的这个待分类点属于红色的三角形。 如果转载 2017-05-10 22:26:07 · 1143 阅读 · 0 评论 -
数学符号十全大补
原文转自http://www.rapidtables.com/math/symbols/Basic_Math_Symbols.htmhttp://mathworld.wolfram.com/Colon.htmlMathematical SymbolsList of all mathematical symbols and signs - meaning and转载 2017-06-27 10:45:43 · 1856 阅读 · 0 评论 -
coding | 如何判断两个矩阵相似
用matlab自带的函数corr2(A,B) 求矩阵的相关系数 r在[0,1]内,越接近1越相关。 不可用情况:当A或B 内部所有元素全部一样时就gg了,分母为0,结果为NAN。而且我试过有的时候算出来结果不如下面这种方法好。 空间矢量的余弦定理将矩阵A B转化为列向量a b,无所谓矩阵的行、列数。 r=dot(a,b...原创 2017-03-30 21:48:49 · 20020 阅读 · 4 评论 -
eigen与matlab对应函数列表
转自:http://blog.163.com/jiaqiang_wang/blog/static/11889615320147734750487/// A simple quickref for Eigen. Add anything that's missing.// Main author: Keir Mierle#include Matrix A;转载 2016-11-17 18:07:28 · 769 阅读 · 0 评论 -
我见过最清晰的--理解梯度,散度,旋度
作者:FRANK WANG链接:https://www.zhihu.com/question/24074028/answer/26657334来源:知乎梯度: 运算的对像是纯量,运算出来的结果会是向量在一个纯量场中,梯度的计算结果会是"在每个位置都算出一个向量,而这个向量的方向会是在任何一点上从其周围(极接近的周围,学过微积分该知道甚么叫极限吧?)纯量值最小处指向周围纯量值转载 2016-11-06 17:58:07 · 41979 阅读 · 2 评论 -
讲道理 | 三维高斯积分公式
一维高斯积分公式原理三维高斯积分公式同样,可以求得三维高斯积分公式:在实际应用中,计算20节点的空间等参数单元刚度时,常采用一种14点的高斯积分公式,可以达到33个积分点同样的精度,并可节省大量时间,积分公式为: ...原创 2019-02-24 16:09:14 · 11055 阅读 · 1 评论