lzzdflg的博客

编译生成ARPACK x64位试了几乎网上所有的资料，最后试出来如何生成ARPACK x64用到的工具MSYS2 下载地址MinGW64位 下载地址ARPACK 下载地址如何改变文本的样式强调文本 强调文本加粗文本 加粗文本标记文本删除文本引用文本H2O is是液体。210 运算结果是 1024.链接: link.居中的图片: 居中并且带尺寸的图片: 当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面，选择一款你喜欢的代码

海康IPCSDK中直接解码模式在vs中会产生以下报错C2659 "="：作为左操作符C2365 "GetConsoleWindow":重定义 ;以前的定义是"函数"函数问题，源码中调用方法为VC，直接对其进行修改#include <stdio.h>#include <iostream>#include "Windows.h"#include "H...

海康摄像头可通过NET_DVR_Init()初始化，在NET_DVR_Login_V40时报错出现错误为NET_DVR_ALLOC_RESOURCE_ERROR 41 SDK资源分配错误解决方案：将海康SDK中库目录与头文件目录中所有内容，拷贝到项目的程序运行目录下（就是debug目录下有程序的exe）...

本人在使用VS2019调用CUDA给予的样例代码时，产生了以下错误。对于命名空间cooperative_groups无法识别，查找cooperative_groups.h发现其内容因VSIntellisense无法识别其__CUDACC__导致主文件显示错误。在官网文档中对于CUDA的运行方式做了如下阐述，CUDA应用程序的源文件由传统主机代码和针对设备(GPU)代码构成，CUDA...

在大多数使用sigmoid作为激活函数时，神经网络中通过使用交叉熵损失函数cross-entropy可使网络参数能够快速的从错误中学习问题，使梯度下降中权值w以及偏秩b的下降速率得以提升，即可较为快速的得出网络结果。在下方图示中，我们给出神经网络中对于使用sigmoid作为激活函数，在使用二次代价函数(quadraticcost)时产生的一种下降速率缓慢的数据图像。对于上图两神经网络...

Word中加载MathType时，每次开启都需要配置在选项->加载项中重新配置一遍。关于自动加载启动项步骤如下：1.在 Word 2010、 2013年或 2016 中，选择文件>选项>高级。在 Word 2007 中，单击Microsoft Office 按钮，，然后选择Word 选项>高级。2.向下滚动到常规，，然后单击文件位置。3.请注意启动列...

因为目前研究方向为3维重建，所以需要补一些线代知识，该笔记主要是给自己看的，而且一般记录我不太熟悉的向量有关的知识...一般线代常识性东西我就不写了....第一课在MIT老师对于线性代数中AX=b的理解中，将矩阵乘以向量分为两种形式，一种行图像，一种列图像。二维：行图像：对于函数行图像将每一行视为一条直线，对于其中的x,y视为每一条直线上的点，求出x,y为两直线的交点。...

开发过程中遇到以上问题该问题原因为当前文件被禁止访问，有可能在某个禁止路径内，因此删除禁止路径即可。后通过搜索发现类似404.7-Web 服务器上的请求筛选被配置为拒绝该请求，因为内容长度超过配置的值参照其解决方法第一种在web.config中修改&lt;denyUrlSequences&gt;的设置&lt;system.webServer&gt;&lt;securi...

似然函数似然函数是给定联合样本值x下关于未知参数θ的函数： 等式右边表明在给定θ时，x出现的可能性大小。 类似于当x∈X时 如果X时离散的随机变量 ，即代表了在参数θ下随机向量X取到x的可能性，也可以称为概率质量函数。 当X为连续随机变量时，那么f(x|θ)为给定θ下x的概率密度函数。等式左边表明在给定样本x时，对于不同的θ，那个θ可以使x出现的可能性最大。 （这里的参数θ可以参照后面极

CART与ID3和C4.5相同都由特征选择，树的生成，剪枝组成。但ID3和C4.5用于分类，CART可用于分类与回归。CART是在给定输入随机变量X条件下输出随机变量Y的条件概率分布，与ID3和C4.5的决策树所不同的是，ID3和C4.5生成的决策树可以是多叉的，每个节点下的叉树由该节点特征的取值种类而定，比如特征年龄分为（青年，中年，老年），那么改节点下可分为3叉。而CART为假设决策树为二叉树，

首先声明感知机的对偶形式与原始形式并没有多大的区别，运算的过程都是一样的，但通过对偶形式会事先计算好一些步骤的结果并存储到Gray矩阵中，因此可以加快一些运算速度，数据越多节省的计算次数就越多，因此比原始形式更加的优化。 首先我们介绍一下感知机的原始形式，之后与其对比。感知机感知机是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，分别去+1和-1两值。感知机对应与输入空间中将实例划

既然一个函数通过傅里叶变换可以得到另外的函数，那么通过对原函数的变换，其傅里叶变换后函数是否也有特殊的变换性质？时延性 f(t)为原函数，F(S)为经过傅里叶变换后的频域函数，b为时移的距离 那么这个？是什么。 意味着时移对应着频域上的相移（相位）尺度变化 f(t)为原函数，F(S)为经过傅里叶变换后的频域函数，a为尺度变换的幅度的 那么这个？是什么。 当a>0时， 用

马氏距离是由印度统计学家马哈拉诺比斯（P. C. Mahalanobis）提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的（scale-invariant），即独立于测量尺度。 对于一个均值为，协方差矩阵为Σ的多变量矢量，其马氏距离为马氏距

函数卷积的定义： 卷积是分析数学中一种重要的运算。 设:f(x),g(x)是R1上的两个可积函数，作积分：可以证明，关于几乎所有的实数x，上述积分是存在的。这样，随着x的不同取值，这个积分就定义了一个新函数h(x)，称为函数f与g的卷积，记为h(x)=(f*g)(x)。以图像的方式理解：(先指出函数的表示这里f(x)以f,g(x)以g代替,g符号代表傅里叶变换,like gg(x)意味着函数

傅里叶变换傅里叶变换的目的是可将时域（即时间域）上的信号转变为频域（即频率域）上的信号，随着域的不同，对同一个事物的了解角度也就随之改变，因此在时域中某些不好处理的地方，在频域就可以较为简单的处理。傅里叶变换公式： （w代表频率，t代表时间，e^-iwt为复变函数） 傅里叶变换认为一个周期函数(信号)包含多个频率分量，任意函数（信号）f(t)可通过多个周期函数（基函数）相加而合成。 从物理角度