- 博客(9)
- 资源 (2)
- 收藏
- 关注
原创 数据结构-顺序表
一、知识点总结二、静态分配要注意不要违规读取顺序表Length外的数组内容,这些内存空间中的值是未知数,如果没有强制赋值为0,属于脏数据,违规操作后果严重,例如data[0]的值一开始是0。#include<stdio.h> //固定长度顺序表,不好用,无法扩充 #defineMAXSIZE10 typedefstruct { intdata[MAXSIZE]; intLength; }SqList; //初始化顺序表 voidInitL...
2021-05-23 16:20:09
278
原创 机器学习笔记--吴恩达机器学习课程2 - 6
梯度下降法对于梯度下降法而言,当偏导数的学习效率过大或过小时,收敛的速率会变得很缓慢,α过大时甚至会无法收敛。学习效率α是一个正数。同样梯度下降法初始点在局部最低点时同样不会再更新,此时偏导数的值为0.
2018-01-16 19:01:49
158
原创 MIT线性代数公开课笔记(Lec9:线性相关性、基、维数)
“向量组”:线性相关性、生成空间、作为“基”。“维数”:一个具体的数值。对于矩阵A,AX = 0,且矩阵A的行数m小于列数n(即未知数n大于方程数m)有推论:方程AX= 0有非零解。reason:对于A做消元得到阶梯矩阵As,As必包含有不少于一个的自由变量。一、向量组线性相关性:对于向量x1,x2,x3,...,xn,如果存在c1x1+c2x2+c3x3+..
2018-01-16 13:32:27
433
原创 机器学习笔记--吴恩达机器学习课程2 - 4
代价函数最小化方法之梯度下降法对于线性回归的代价函数梯度下降法对代价函数的每一个参数求偏导,梯度下降法的梯度是一个向量,向量的每一项代表的都是对应的代价函数的一个参数的偏导数,是一个整体,故梯度下降时必须同时对代价函数的每个参量的偏导数做下降,而不能分别做下降。eg:对于上式,梯度下降法:其中:=是赋值的意思,对参量1和参量2同时做更新。
2018-01-15 22:01:02
276
原创 机器学习笔记--吴恩达机器学习课程2 - 3
1.目标函数:关于输入x和期望y的最佳拟合函数2.代价函数:对于同一输入x,反映拟合函数G(x)输出Y与理想期望y之间的差距的集合即为代价函数,故代价越大,拟合效果越差。(说的有点不太准确)常用的代价函数有平方差代价函数、交叉熵代价函数等。eg:对于一元函数有平方差代价函数对于目标函数来说,代价函数的值越小,目标函数的解越优。
2018-01-15 21:54:53
173
原创 信号与系统学习笔记1——离散时间复指数序列的周期性质
离散时间情况下,具有频率为ω0的复指数信号与ω0±2π等这些频率的复指数信号是一样的。离散时间复指数的低频部分(慢变化)位于ω0在0,2π和任何π的偶数倍值附近;而高频部分(快变化)位于ω0 = ±π及其他任何π的奇数倍值附近。特别的,在ω0 = π或任何其他π的奇数倍处有e^jπn = (-1)^n
2017-02-28 14:43:56
9109
原创 数字信号处理(MATLAB版)学习笔记2--离散时间信号与系统
一、离散时间正弦信号1.时间周期性满足x(n + N) = Acos(ωn + ωN + θ) = Acos(ωn + θ) = x(n)(且ωN = 2kπ,k为整数)2.频率周期性(1)弧度频率相差2π的整数倍的正弦函数为相同序列。(2)所有不同的正弦序列对应的弧度频率相差不超过2π。(3)由Acos(ω(n + n0) + θ) = Acos(ωn + (ωn
2017-02-13 17:06:49
823
原创 数字信号处理(MATLAB版)学习笔记1--离散时间信号与系统
一、周期序列的MATLAB编程1.产生包含x(n)的P行矩阵2.利用结构( : )将P行连成一个长的行向量。注:( : )仅对列起作用,所以必须要用矩阵转置符 ' 程序xtilde = x' * ones(1, P) %P代表x周期,x为一个一周期序列xtilde = xtilde( : ); %长纵列xtilde = xtilde'; %长行列
2017-02-12 16:42:26
2070
转载 DSP简介
一、优缺点1.、优点(1)、可移植性及便携性(2)、稳定性(DSP运算建立在加法和乘法的基础上)(3)、可实时修改(4)、成本较低2、不足之处(1)、高频率时硬件限制运算速度二、两种分类1、信号分析(一般为频域运算)(1)、谱(频率和/或相位)分析(2)、语音识别(3)、说话人确认(4)、目标检测2、信号过滤(通常(但不总是)时域运算
2017-02-11 16:56:38
1053
数字电子技术PPT
2018-08-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人